举例说明子串和子序列的区别 ！！！

最新推荐文章于 2025-01-26 07:00:00 发布
最新推荐文章于 2025-01-26 07:00:00 发布
阅读量6.1k 收藏 13
点赞数 46
分类专栏： 学习笔记 JavaScript 前端算法和数据结构 文章标签： 字符串 算法 子串 子序列 JavaScript
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44586544/article/details/112724777
版权
本文介绍了字符串的子串和子序列的区别。子串必须是连续的字符序列，例如在asdfghj中，asd和asdf都是子串。而子序列则可以不连续，如asf和adf是asdfghj的子序列。通过实例清晰地阐述了两者概念，帮助读者轻松掌握。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

定义：

子串：必须连续

子序列：可以不连续

举个栗子

子串和子序列的区别

给定字符串 "asdfghj"

子串是asd,asdf等很多个子串， 是连在一起的。

子序列是 asf,adf等很多个子序列 ，子序列中的字符在字符串中不一定是连在一起的。

怎么样，是不是很简单，你学会了吗 ？

子串和子序列的区别

如果这篇文章能够帮助到您，希望您不要吝惜点赞 👍👍 和收藏 💖💖，您的支持是我继续努力的动力 💪💪！！！

子串与子序列问题
ALLap97的博客
06-04 682
整理里常见的子串与子最大子串问题的解法。如最大子串，最长递增子序列，最大公共子串，最长公共子序列问题等。这些问题均可以通过动态规划来解答，且状态定义上存在相似之处。
子串和子序列问题-动态规划向
weixin_45532984的博客
10-23 2159
有关于子序列和子串的问题是字符串或者数组经常会遇到的问题，一般我们经常使用多指针，滑动窗口，动态规划的方式去解决，而本篇重点关注能用动态规划解决或者说明显使用动态规划解决的子串问题和子序列问题。子串是字符串中的由连续字符组成的一个序列，重点在于连续。例如，"1AB2345CD"，那么"1AB23"，"5CD"都是相应的子串，而"12345CD"不是，已经不是连续的状态。字符串的一个子序列是原始字符串删除一些（也可以不删除）字符而不改变剩余字符相对位置形成的新字符串，那么很明显，子序列和子串最大的区别就是可
子串和子序列的区别
qq_45769627的博客
07-29 3817
子串：原序列中连续的一段 子序列：原序列中不连续的一段 注意：无论是子串和子序列，元素的顺序都是原序列中的顺序
子序列（Subsequence）和子串（Substring）的区别
Kegi_的博客
07-08 2096
4. **例子**：在字符串 "abcdef" 中，"ace" 是一个有效的子序列，因为这些字符在原字符串中保持了原有的顺序，尽管它们之间有其他字符。4. **例子**：在字符串 "abcdef" 中，"bcd" 是一个有效的子串，因为它是连续的字符序列。- **灵活性**：子序列比子串更灵活，因为它允许在保持元素顺序的前提下，跳过一些元素。3. **长度**：子序列的长度也可以是任意的，从0（空序列）到整个序列的长度。- **位置**：子串在原字符串中有固定的位置，子序列则没有这个限制。
子串与子序列的区别
num_001的博客
07-12 2775
子串与子序列的区别
子串和子序列
Big Fish 大鱼 的个人博客
03-09 554
简明： 子串：原序列中必须连续的一段 子序列：原序列中可以不连续的一段 KMP算法是求子串的算法，动态规划可以求子串或者子序列。 举例说明： //给定一个字符串，请你找出其中不含有重复字符的 最长子串 的长度。 // // 示例 1: // 输入: "abcabcbb" //输出: 3 //解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。 // // 示例 2: // 输入: "bbbbb" //输出: 1 //解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。 /
最长上升子序列/子串和最长公共子序列/子串
_zhy_cq
07-17 1139
文章目录子序列（不连续）最长上升子序列（暴力回溯）（动规）（动规 + 二分 + 贪心）（动规 + 二分 + 贪心）化简版最长公共子序列（动规）（动规）子序列（连续）最长连续上升子序列（动规）（双指针）最长公共子数组 （动规）（动规 一维数组优化）（滑动窗口 待更新） 子序列（不连续） <span id = “最长上升子序列">最长上升子序列 LIS（longest increasing subsequence）是最经典的动态规划题目之一，因为它的递推公式很有条理，可以很清楚的告诉我们什么状态可以
【LeetCode】最长公共子串&最长公共子序列
Max的专栏
08-05 5044
子序列与子串的区别： 假设有S1 = “abcdeffg” S2 = "abcfg" 子串：“abc” 子序列：“abcfg” 简单的说，子串就是需要连续，子序列不需要连续。 题目1：子串 可能我这么说不严谨，其实718题是子数组，但意思是一样的，都是需要找连续的。 718. 最长重复子数组 给两个整数数组A和B，返回两个数组中公共的、长度最长的子数组的长度。 示例 1:...
回文子串 最长回文子序列 动态规划总结
波风水门的博客
01-26 882
动规五部曲分别为：确定dp数组（dp table）以及下标的含义确定递推公式dp数组如何初始化确定遍历顺序举例推导dp数组动规专题刚开始的时候，讲的题目比较简单，不少录友和我反应：这么简单的题目 讲的复杂了，不用那么多步骤分析，想出递推公式直接就AC这道题目了。在动规专题讲解中，也充分体现出，这动规五部曲的重要性。动规五部曲里，哪一部没想清楚，这道题目基本就做不出来，即使做出来了也没有想清楚，而是朦朦胧胧的就把题目过了。
python求两个字符串最长公共子串_Python-求解两个字符串的最长公共子序列
weixin_39649965的博客
12-09 2044
一、问题描述给定两个字符串，求解这两个字符串的最长公共子序列(Longest Common Sequence)。比如字符串1：BDCABA；字符串2：ABCBDAB。则这两个字符串的最长公共子序列长度为4，最长公共子序列是：BCBA二、算法求解这是一个动态规划的题目。对于可用动态规划求解的问题，一般有两个特征：①最优子结构；②重叠子问题①最优子结构设X=(x1,x2,...,xn)和Y=(y1,y...
子串和子序列的不同
zixuexiaobaihu的博客
10-18 3543
#最长公共子序列问题 ##子序列和子串的定义： 子序列：一个给定的序列的子序列是在该序列中删除若干元素后得到的序列； 子串：字符串中任意个连续的字符组成的子序列称为该串的子串。 ##两者之间的关系： 从定义可以看出的是子串是比子序列的一个特殊情况，也就是说，子序列包含子串，而子串被包含。子串的定义出现在数据结构里面，子序列出现在算法设计与分析这本书里面。 ...
“子序列”与“子串”详解
花言的博客
03-16 5425
子序列与子串的区别 子序列:从从字符串中删除一些字符后不更改剩余字符串字符顺序而生成的序列！ 子 串:原序列中必须连续的一段！ code: #include <vector> #include <string> #include <iostream> using namespace std; void print_vec(const vector<string>& str); //------------------------------
浅谈子串和子序列的相同点和不同点
Y
04-24 1万+
子串（substring）和子序列 （subsequence）的区别是什么？ 之前没有细心理解过二者概念，今天自己来补一下这方面知识。 1 背景介绍 在做算法题的时候，经常会遇到子序列问题，如 Logest Increasing Subsequence 问题 如对于序列数组：[4 ,2, 4，5, 3, 7] 最长的递增子序列是 [2, 4， 3, 7] 和之前学习到子串的定义感觉有所不同，但又说不上来什么不同。比较直观的理解就是，可以在原来数组中任意划掉一个或者多个元素，就可以构出子序列。 如划掉2； [
子序列、子串
dl_007的博客
10-18 1029
1.一维数组最大子序列和 def foo(num_list): ''' 求数组中最大子序列的和，子序列必须连续 ''' length=len(num_list) max_value=-10000000000 tmp=0 for i in range(length): tmp=max(tmp+num_list[i], num...
子串和子序列并不是一个意思
热门推荐
穿着裤衩跳
11-21 1万+
例如：一个字符串   awbcdewgh 他的子串：  awbc.   awbcd   awbcde   ....很多个子串  但是都是连续在一起   他的子序列： abc  .  abcd    abcde  ...  很多个子序列  但是子序列中的字符在字符串中不一定是连在一起的   所以  子串！=子序列...
公共子序列与公共子串问题
weixin_34416649的博客
08-30 186
1、公共子序列问题 网上有很多关于公共子序列问题，说的大同小异，看了很多不明白，很多都是晦涩难懂，这里分享一个连接，个人觉得讲述的比较明白，易懂。 http://blog.csdn.net/v_july_v/article/details/6695482 我这里也简单的把自己的理解说一下，求公共子序列问题是一个非常常见的问题，最差的方法就是暴力匹配，暴力匹配算法第一步求去短字符串的所有序列组...
子序列与子串问题
qq_45928272的博客
08-16 558
最长公共子序列 class Solution { public: int longestCommonSubsequence(string text1, string text2) { vector<vector<int>> dp(text1.size()+1,vector<int>(text2.size()+1,0)); for(int i=1;i<=text1.size();i++) {
滑动窗口和动态规划
最新发布
04-02
### 滑动窗口算法与动态规划的区别和应用场景 #### 一、滑动窗口算法概述 滑动窗口是一种优化技巧，主要用于线性数据结构（如数组或字符串）中的子序列问题。其核心思想是通过维护一个可变大小的窗口来遍历整个数据集，从而避免重复计算。这种方法特别适用于需要频繁更新局部状态并快速得出结论的情况[^1]。 例如，在寻找最小覆盖子串的问题中，可以通过调整窗口两端的位置逐步缩小候选区域直到找到最优解为止。相比暴力枚举所有可能组合的方式，该方法显著降低了时间复杂度。 ```python def min_window(s, t): from collections import defaultdict need = defaultdict(int) window = defaultdict(int) for c in t: need[c] += 1 left, right = 0, 0 valid = 0 start, length = 0, float('inf') while right < len(s): c = s[right] right += 1 if c in need: window[c] += 1 if window[c] == need[c]: valid += 1 while valid == len(need): d = s[left] if right - left < length: start = left length = right - left left += 1 if d in need: if window[d] == need[d]: valid -= 1 window[d] -= 1 return "" if length == float('inf') else s[start:start+length] ``` 上述代码展示了如何利用滑动窗口求解最小子串匹配问题。 --- #### 二、动态规划简介 动态规划（Dynamic Programming, DP）是一种分阶段解决问题的方法论，它依赖于两个重要性质：重叠子问题和最优子结构性质。对于满足这些条件的问题，我们可以将其分解成更简单的子问题，并存储中间结果以供后续调用，最终达到全局最优的目的[^4]。 典型例子包括斐波那契数列、背包问题以及最长公共子序列等问题。下面是一个关于爬楼梯的经典案例： ```python def climb_stairs(n): dp = [0]*(n+1) dp[0], dp[1] = 1, 1 for i in range(2, n+1): dp[i] = dp[i-1] + dp[i-2] return dp[n] ``` 此函数实现了基于动态规划原理计算到达第`n`级台阶的不同路径总数的功能。 --- #### 三、两者对比分析 | 特征 | **滑动窗口** | **动态规划** | |--------------------|--------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------| | 数据类型 | 主要针对连续的一维或多维数组/字符串 | 可应用于离散型变量组成的各类集合 | | 时间效率 | 高效；通常能在线性时间内完成 | 较低；取决于具体实现方式 | | 存储需求 | 小巧灵活；只需记录当前窗口边界及相关统计信息 | 大量内存消耗；需保存大量历史状态 | | 应用领域 | 字符串模式匹配、实时数据分析 | 组合数学建模、资源分配 | 尽管二者都追求高效解决方案，但它们的设计理念截然不同——前者强调即时响应能力，后者注重整体性能最大化[^4]。 --- #### 四、实际运用举例说明 ##### （1）滑动窗口的应用实例 在网络通信协议TCP/IP中，“拥塞控制”机制就采用了类似的思路。发送方维持一定数量未确认报文段作为“窗口”，依据接收反馈动态调节传输速率，既保障链路利用率又防止过载现象发生[^2]。 ##### （2）动态规划的实际落地 在基因组学研究领域，科学家们常借助Needleman-Wunsch算法比较两条DNA序列相似程度。这一过程正是建立在一个二维表格之上逐格填充得分直至终点位置的过程，完美体现了动态规划精髓所在。 --- ###
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值