碎碎念:加油
参考:代码随想录
1143.最长公共子序列
题目链接
思想
本题的公共子序列中的元素之间可以不连续。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[i][j],以[0,i-1]nums1和以[0,j-1]nums2,这两个数组的最长公共子序列的长度。结果要返回dp[nums1.size-1][nums2.size-2]
- 确定递推公式:如果nums1[i-1]==nums2[j-1],dp[i][j] = dp[i-1][j-1]+1; else: dp[i][j] = max(dp[i][j-1],dp[i-1][j])
- dp数组的初始化:dp数组的第一行和第一列都没有意义,初始化为0
- 确定遍历顺序:两层for循环,遍历nums1和nums2,先遍历谁都可以,从左到右,从上到下遍历。
- 打印dp数组:主要用来debug。注意范围是i<nums1.size(),而不是nums1.size()-1,这点是根据我们对dp数组的定义得出的。
题解
// cpp
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++) {
for (int j = 1; j <= text2.size(); j++) {
if (text1[i-1] == text2[j-1]) dp[i][j] = dp[i-1][j-1] + 1;
else dp[i][j] = max(dp[i-1][j], dp[i][j-1]);
}
}
return dp[text1.size()][text2.size()];
}
};
# python
class Solution:
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
dp = [[0] * (len(text2) + 1) for _ in range(len(text1)+1)]
for i in range(1, len(text1) + 1):
for j in range(1, len(text2) + 1):
if text1[i-1] == text2[j-1]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i][j-1], dp[i-1][j])
return dp[len(text1)][len(text2)]
反思
1035.不相交的线
题目链接
思想
本题其实就是求最长相同子序列。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[i][j],以[0,i-1]nums1和以[0,j-1]nums2,这两个数组的最长公共子序列的长度。结果要返回dp[nums1.size-1][nums2.size-2]
- 确定递推公式:如果nums1[i-1]==nums2[j-1],dp[i][j] = dp[i-1][j-1]+1; else: dp[i][j] = max(dp[i][j-1],dp[i-1][j])
- dp数组的初始化:dp数组的第一行和第一列都没有意义,初始化为0
- 确定遍历顺序:两层for循环,遍历nums1和nums2,先遍历谁都可以,从左到右,从上到下遍历。
- 打印dp数组:主要用来debug。
题解
// cpp
class Solution {
public:
int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
vector<vector<int>> dp(nums1.size() + 1, vector<int>(nums2.size() + 1, 0));
for (int i = 1; i <= nums1.size(); i++) {
for (int j = 1; j <= nums2.size(); j++) {
if (nums1[i-1] == nums2[j-1]) dp[i][j] = dp[i-1][j-1] + 1;
else dp[i][j] = max(dp[i-1][j], dp[i][j-1]);
}
}
return dp[nums1.size()][nums2.size()];
}
};
# python
class Solution:
def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
dp = [[0] * (len(nums2) + 1) for _ in range(len(nums1) + 1)]
for i in range(1, len(nums1) + 1):
for j in range(1, len(nums2) + 1):
if nums1[i-1] == nums2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = max(dp[i-1][j], dp[i][j-1])
return dp[len(nums1)][len(nums2)]
反思
53. 最大子序和
题目链接
思想
也可以用暴力搜索和贪心思想。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[i],nums[i]为结尾的最大连续子序列的和。结果要返回dp中的最大值。
- 确定递推公式:dp[i] = max(dp[i-1]+nums[i], nums[i]
- dp数组的初始化:dp[0]=nums[0]
- 确定遍历顺序:for循环从前往后遍历
- 打印dp数组:主要用来debug。
题解
// cpp
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if (nums.size() == 0) return 0;
vector<int> dp(nums.size());
int result = nums[0];
dp[0] = nums[0];
for (int i = 1 ; i < nums.size(); i++) {
dp[i] = max(dp[i - 1] + nums[i], nums[i]);
if (result < dp[i]) {
result = dp[i];
}
}
return result;
}
};
# python
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
dp = [0] * (len(nums) + 1)
dp[0] = nums[0]
result = dp[0]
for i in range(1, len(nums)):
dp[i] = max(dp[i-1]+nums[i], nums[i])
if result < dp[i]:
result = dp[i]
return result
反思
注意result和dp的初始化。
392.判断子序列
题目链接
思想
注意这里是子序列,没有强调连续。本题和1143.最长公共子序列很相似。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[i][j],以i-1为结尾的字符串s和j-1为结尾的字符串t,这两个字符串的最长公共子序列的长度。结果要返回dp[s.size][t.size]==s.size
- 确定递推公式:如果s[i-1]==t[j-1],dp[i][j] = dp[i-1][j-1]+1; else: dp[i][j] = dp[i][j-1]
- dp数组的初始化:dp数组的第一行和第一列都没有意义,初始化为0
- 确定遍历顺序:两层for循环,遍历s和t,先遍历谁都可以,从左到右,从上到下遍历。
- 打印dp数组:主要用来debug。
题解
// cpp
class Solution {
public:
bool isSubsequence(string s, string t) {
vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 0));
for (int i = 1; i < s.size() + 1; i++) {
for (int j = 1; j < t.size() + 1; j++) {
if (s[i-1] == t[j-1]) dp[i][j] = dp[i-1][j-1] + 1;
else dp[i][j] = dp[i][j-1];
}
}
if (dp[s.size()][t.size()] == s.size())
return true;
return false;
}
};
# python
class Solution:
def isSubsequence(self, s: str, t: str) -> bool:
dp = [[0] * (len(t) + 1) for _ in range(len(s) + 1)]
for i in range(1, len(s) + 1):
for j in range(1, len(t) + 1):
if s[i-1] == t[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = dp[i][j-1]
if dp[-1][-1] == len(s):
return True
return False
反思
递推公式的差别 只考虑在t里删除元素