代码随想录–动态规划部分
day 44 动态规划第11天
一、力扣1143–最长公共子序列
代码随想录题目链接:代码随想录
给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,“ace” 是 “abcde” 的子序列,但 “aec” 不是 “abcde” 的子序列。
两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。
思路和力扣718基本一样的,只不过是数组变成了字符串,在操作上没有区别,因为字符串也是字符的数组
定义二维的dp数组,用来记录 以text1[i-1]和text2[j-1]为结尾的最长子序列长度
但是不连续,所以要注意当text1[i-1]和text2[j-1]不相等时,dp[i][j]不能简单的赋值0,而是要取dp[i-1][j]和dp[i][j-1]的较大值
因为未来可能又有一样的值,需要在此数字基础上加一
代码如下:
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
vector<vector<int>> dp(text1.size() + 1, vector<int>(text2.size() + 1, 0));
int result = 0;
for(int i = 1; i <= text1.size(); i ++)
for(int j = 1; j <= text2.size(); j ++)
{
if(text2[j-1] == text1[i-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()];
}
};
二、力扣1035–不相交的线
代码随想录题目链接:代码随想录
在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。
现在,可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线,这些直线需要同时满足:
nums1[i] == nums2[j]
且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
乍一看没什么思路,但是分析一下问题就能发现这个题是做过的
两个要求:一是元素相等,二是直线不相交
元素相等好判断,不相交怎么判断呢
实际上就是从两个数组里找到一个最长相同子序列,随意举例都没法推翻这个概念
那么就和上题一模一样了
代码如下:
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(nums2[j-1] == nums1[i-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()];
}
};
三、力扣53–最大子数组和
代码随想录题目链接:代码随想录
给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
定义dp数组为dp[i]代表以nums[i]为结尾的最大连续子序列和
那么递推公式应该是dp[i]=max(dp[i-1] + nums[i], nums[i])
先看一眼加上第i个会不会更大,如果还不如单独的i大,那当然是要从i重新开始计数
最后取dp的最大值即可
代码如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int> dp(nums.size(), 0);
dp[0] = nums[0];
int result = dp[0];
for(int i = 1; i < nums.size(); i ++)
{
dp[i] = max(dp[i-1] + nums[i], nums[i]);
if(dp[i] > result) result = dp[i];
}
return result;
}
};
四、力扣392–判断子序列
代码随想录题目链接:代码随想录
给定字符串 s 和 t ,判断 s 是否为 t 的子序列。
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。(例如,"ace"是"abcde"的一个子序列,而"aec"不是)。
这个题用动态规划多少有点牛刀杀鸡的感觉,其实双指针就足够了,慢指针遍历s,快指针遍历t,检查慢指针能不能到头即可
动态规划的做法需要定义二维的dp数组
dp[i][j]代表s[i-1]和t[j-1]的相同子序列长度,最后比一下是不是和s长度一样就知道了
递推公式和上面的题一样,如果s[i-1]=t[j-1],那么dp[i][j] = dp[i-1][j-1]+1,一样说明子序列多一位
不相等的话,双指针的思路是需要t往后一位,s指针不变,再搜索,这样会导致dp[i][j] = dp[i][j-1]
递推公式也明确了,就可以写了
代码如下:
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(); i ++)
for(int j = 1; j <= t.size(); 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];
}
return (dp[s.size()][t.size()] == s.size());
}
};
双指针法做就是:
class Solution {
public:
bool isSubsequence(string s, string t) {
int slow = 0;
int fast = 0;
while(fast < t.size())
{
if(s[slow] == t[fast])
{
slow ++; fast++;
}
else fast++;
}
return slow == s.size();
}
};
干干净净