代码随想录算法训练营day57 || 1143.最长公共子序列，1035.不相交的线，53. 最大子序和

动态规划子序列问题经典题目 | LeetCode：1143.最长公共子序列_哔哩哔哩_bilibili

动态规划之子序列问题，换汤不换药 | LeetCode：1035.不相交的线_哔哩哔哩_bilibili

看起来复杂，其实是简单动态规划 | LeetCode：53.最大子序和_哔哩哔哩_bilibili

1143.最长公共子序列

思路：在递推方程与求公共数组的几乎类似，但是不同的是本题要求的公共序列不需要元素的连续，所以当s[i]!=t[j]时，需要继承前一转态中的公共序列最大值。

// 时间复杂度O(n*m)
// 空间复杂度O(n*m)

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        int n = text1.length();
        int m = text2.length();
        char[] t1 = text1.toCharArray();
        char[] t2 = text2.toCharArray();

        // dp数组的含义是在text1下标i与text2下标j之前数组的公共子序列长度为dp[i][j]
        int[][] dp = new int[n+1][m+1];

        // 遍历顺序，从前往后
        // for(int i=1; i<=n; i++){
        //     for(int j=1; j<=m; j++){
        //         if(t1[i-1] == t2[j-1])
        //             dp[i][j] = dp[i-1][j-1]+1;
        //         else
        //             dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);     // 关键在于此，这是区别公共数组，且数组元素连续的关键不同之处
        //     }
        // }
        // return dp[n][m];

        // 遍历顺序，从后往前
        for(int i=n-1; i>=0; i--){
            for(int j=m-1; j>=0; j--){
                if(t1[i] == t2[j])
                    dp[i][j] = dp[i+1][j+1]+1;
                else
                    dp[i][j] = Math.max(dp[i+1][j], dp[i][j+1]);
            }
        }
        return dp[0][0];
        
    }
}

1035.不相交的线

思路：直线不能相交，这就是说明在字符串A中 找到一个与字符串B相同的子序列，且这个子序列不能改变相对顺序，只要相对顺序不改变，链接相同数字的直线就不会相交。

拿示例一A = [1,4,2], B = [1,2,4]为例，其实也就是说A和B的最长公共子序列是[1,4]，长度为2。 这个公共子序列指的是相对顺序不变（即数字4在字符串A中数字1的后面，那么数字4也应该在字符串B数字1的后面）

这么分析完之后，大家可以发现：本题说是求绘制的最大连线数，其实就是求两个字符串的最长公共子序列的长度！（代码随想录）

// 时间复杂度O(n*m)
// 空间复杂度O(n*m)

class Solution {
    public int maxUncrossedLines(int[] nums1, int[] nums2) {
        int n = nums1.length;
        int m = nums2.length;
        int max = 0;

        int[][] dp = new int[n+1][m+1];
        for(int i=1; i<=n; i++){
            for(int j=1; j<=m; j++){
                if(nums1[i-1] == nums2[j-1])
                    dp[i][j] = dp[i-1][j-1]+1;
                else    // 相较于前一题dp直接赋值为零，此处在不相等时还需要更新是因为所求的公共子序列是不连续的
                    dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
                max = Math.max(dp[i][j], max);
            }
        }

        return max;
    }
}

53. 最大子序和

思路：贪心和动归都可以求解，注意负数是转移的关键。

// 时间复杂度O(n)
// 空间复杂度O(1)

class Solution {
    public int maxSubArray(int[] nums) {
        // // 贪心的思想就是每一步都需要使我的数组和变大一点
        // if(nums.length == 1)
        //     return nums[0];

        // int max = nums[0];
        // int sum = nums[0];
        // int i=1;
        // while(i<nums.length){
        //     // 特殊情况出现一段连续的负数，此时直接跳过
        //     if(sum<0 && nums[i]<0){
        //         if(sum < nums[i])
        //             sum = nums[i];
        //     }
        //     else
        //         sum = Math.max(sum+nums[i], nums[i]);      
        //     i++;        
        //     max = sum>max? sum:max;
        // }

// 时间复杂度O(n)
// 空间复杂度O(n)

        // 使用动态规划进行求解
        int max = Integer.MIN_VALUE;
        int[] dp = new int[nums.length+1];

        for(int i=1; i<=nums.length; i++){
            // 是继续延续当前数组，然后选择新的元素开始
            dp[i] = Math.max(dp[i-1]+nums[i-1], nums[i-1]);
            max = Math.max(dp[i], max);
        }

        return max;
    }
}