代码随想录算法训练营第51天 [115.不同的子序列 583. 两个字符串的删除操作 72. 编辑距离 ]
一、115.不同的子序列
链接: 代码随想录.
思路:dp[i][j] 以t[j-1]为结尾的字符串在 以s[i-1]为结尾的字 符串出现个数
相等的时候 dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]
不相等的时候 dp[i][j] = dp[i - 1][j];
做题状态:看解析后做出来了
class Solution {
public:
int numDistinct(string s, string t) {
// dp[i][j] 以t[j-1]为结尾的字符串在 以s[i-1]为结尾的字 符串出现个数
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size() + 1, 0));
dp[0][0] = 1;
for(int i = 0;i<s.size();i++){
dp[i][0] = 1;
}
for (int i = 1; i <= s.size(); i++) {
for (int j = 1; j <= t.size(); j++) {
if (s[i - 1] == t[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
} else {
dp[i][j] = dp[i - 1][j];
}
}
}
return dp[s.size()][t.size()];
}
};
二、583. 两个字符串的删除操作
链接: 代码随想录.
思路:看注释
做题状态:看解析后做出来了
class Solution {
public:
int minDistance(string word1, string word2) {
// dp[i][j]
// 以i-1为结尾的字符串word1,和以j-1位结尾的字符串word2,想要达到相等,所需要删除元素的最少次数
vector<vector<int>> dp(word1.size() + 1,
vector<int>(word2.size() + 1, 0));
for (int i = 0; i <= word1.size(); i++)
dp[i][0] = i;
for (int j = 0; j <= word2.size(); j++)
dp[0][j] = j;
for (int i = 1; i <= word1.size(); i++) {
for (int j = 1; j <= word2.size(); j++) {
if (word1[i - 1] == word2[j - 1]) {
// 相等的话就不用删除
dp[i][j] = dp[i - 1][j - 1];
} else {
// 不相等 要么删word1 要么删word2 要么都删
dp[i][j] = min({dp[i - 1][j] + 1, dp[i][j - 1] + 1,
dp[i - 1][j - 1] + 2});
}
}
}
return dp[word1.size()][word2.size()];
}
};
三、72. 编辑距离
链接: 代码随想录.
思路:看注释,不相等的时候的增、删、改
做题状态:看解析后做出来了
class Solution {
public:
int minDistance(string word1, string word2) {
// dp[i][j]
vector<vector<int>> dp(word1.size() + 1,
vector<int>(word2.size() + 1, 0));
for (int i = 0; i <= word1.size(); i++)
dp[i][0] = i;
for (int j = 0; j <= word2.size(); j++)
dp[0][j] = j;
for (int i = 1; i <= word1.size(); i++) {
for (int j = 1; j <= word2.size(); j++) {
if (word1[i - 1] == word2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1];
} else {
// 增
// word1里增加一个,相当于word2里删除一个,操作次数和删差不多
// 删
// dp[i][j] = min(dp[i-1][j],dp[i][j-1])
// 分别对应删除word1 和 删除word2
// 改
// 替换一个后 word1[i-1] == word2[j-1]
// 相当于在dp[i-1][j-1]的基础上多操作一步
// 所以是dp[i - 1][j - 1] + 1
dp[i][j] = min({dp[i - 1][j] + 1, dp[i][j - 1] + 1,
dp[i - 1][j - 1] + 1});
}
}
}
return dp[word1.size()][word2.size()];
}
};