*1143.最长公共子序列
视频讲解:https://www.bilibili.com/video/BV1ye4y1L7CQ
https://programmercarl.com/1143.%E6%9C%80%E9%95%BF%E5%85%AC%E5%85%B1%E5%AD%90%E5%BA%8F%E5%88%97.html
- 考点
- 子序列问题
- 我的思路
- 无思路
- 视频讲解关键点总结
- 本题和上一篇文章的第718题——最长重复子数组的区别1在于,本题的dp[i][j]定义为序列1从头到下标i元素和序列2从头到下标j元素的最长递增子序列的长度(不强制要求包含第i和j个元素,如果使用强制要求包含第i和j个元素的思路也是可以写出来代码的,具体见下面的代码,但是时间复杂度会相对较高,无法通过;所以遇到这种问题,先想想不强制包含的时候能不能实现自己的逻辑,如果能实现是最好的,此时的递推公式一般比较简洁,时间复杂度低,如果实现不了想要的逻辑再考虑必须包含的写法)
- 区别2在于递推公式,由于不强制要求包含第i和j个元素,所以本题的递推公式无论第i个元素和第j个元素是否相等都需要更新dp数组的值,当相等时,dp[i][j] = dp[i - 1][j - 1] + 1,不相等时,dp[i][j] = max(dp[i][j - 1], dp[i - 1][j])
- 我的思路的问题
- 无思路
- 代码书写问题
- 无
- 可执行代码
# dp[i][j]不强制要求包含第i和j个元素
class Solution:
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
dp = [[0] * len(text2) for _ in range(len(text1))]
for i in range(len(text1)):
if text2[0] == text1[i]:
for n in range(i, len(text1)):
dp[n][0] = 1
break
for j in range(len(text2)):
if text2[j] == text1[0]:
for n in range(j, len(text2)):
dp[0][n] = 1
break
for i in range(1, len(text1)):
for j in range(1, len(text2)):
if text2[j] == text1[i]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i][j - 1], dp[i - 1][j])
return dp[-1][-1]
# dp[i][j]强制要求包含第i和j个元素(时间复杂度较高,会超时)
class Solution:
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
dp = [[0] * len(text2) for _ in range(len(text1))]
max_value = 0
for i in range(len(text1)):
if text1[i] == text2[0]:
dp[i][0] = 1
max_value = 1
for j in range(len(text2)):
if text1[0] == text2[j]:
dp[0][j] = 1
max_value = 1
for i in range(1, len(text1)):
for j in range(1, len(text2)):
if text1[i] == text2[j]:
for m in range(0, i):
for n in range(0, j):
dp[i][j] = max(dp[i][j], dp[m][n] + 1)
if dp[i][j] > max_value:
max_value = dp[i][j]
return max_value
*1035.不相交的线
视频讲解:https://www.bilibili.com/video/BV1h84y1x7MP
https://programmercarl.com/1035.%E4%B8%8D%E7%9B%B8%E4%BA%A4%E7%9A%84%E7%BA%BF.html
- 考点
- 子序列问题
- 我的思路
- 本题和上一题的解题思路完全一致
- 视频讲解关键点总结
- 和上一题一致
- 我的思路的问题
- 无
- 代码书写问题
- 无
- 可执行代码
class Solution:
def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
dp = [[0] * len(nums2) for _ in range(len(nums1))]
for i in range(len(nums1)):
if nums1[i] == nums2[0]:
for j in range(i, len(nums1)):
dp[j][0] = 1
break
for i in range(len(nums2)):
if nums1[0] == nums2[i]:
for j in range(i, len(nums2)):
dp[0][j] = 1
break
for i in range(1, len(nums1)):
for j in range(1, len(nums2)):
if nums1[i] == nums2[j]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
return dp[-1][-1]
53. 最大子序和 动态规划
这道题我们用贪心做过,这次 再用dp来做一遍
视频讲解:https://www.bilibili.com/video/BV19V4y1F7b5
https://programmercarl.com/0053.%E6%9C%80%E5%A4%A7%E5%AD%90%E5%BA%8F%E5%92%8C%EF%BC%88%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%EF%BC%89.html
- 考点
- 子序列问题
- 我的思路
- dp[i]的含义是,以元素i为结尾的连续子数组的最大和
- 递推公式为,取仅以第i个元素为子数组的情况和在第i - 1个元素组成的连续子数组最大和上叠加当前元素的情况中的较大者
- 视频讲解关键点总结
- 和我的思路一致
- 我的思路的问题
- 无
- 代码书写问题
- 无
- 可执行代码
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
dp = [0] * len(nums)
dp[0] = nums[0]
max_num = dp[0]
for i in range(1, len(nums)):
dp[i] = max(nums[i], dp[i - 1] + nums[i])
if dp[i] > max_num:
max_num = dp[i]
return max_num