代码随想录打卡第四十六天

代码随想录–动态规划部分

day 46 动态规划第12天

---

---

一、力扣115–不同的子序列

代码随想录题目链接：代码随想录

给你两个字符串 s 和 t ，统计并返回在 s 的 子序列 中 t 出现的个数，结果需要对 1e9 + 7 取模。

印象里是某次笔试的原题，可惜当时没刷到，只过了5%的案例

dp数组设置成二维的，dp[i][j]代表：在s[:i-1]中，有多少个t[:j-1]

当s[i-1] = t[j-1]时，说明这一组实际上不影响结果，因为是相等的，所以dp[i][j] = dp[i-1][j-1]

然而，这里还需要注意，不影响的前提是选择用s[i-1]

如果不用它的话，那么结果应该与dp[i-1][j]相同，也就是单纯地为t增加一位

所以dp[i][j] = dp[i-1][j-1] + dp[i-1][j]

当不同的时候，明显s[i-1]想选也选不了，只有dp[i][j]=dp[i-1][j]

dp[i][0] 表示：以i-1为结尾的s可以随便删除元素，出现空字符串的个数

那么dp[i][0]一定都是1，因为也就是把以i-1为结尾的s，删除所有元素，出现空字符串的个数就是1

代码如下：

class Solution {
public:
    int numDistinct(string s, string t) {
        vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size()+1, 0));
        for(int i = 0; i < s.size(); i ++) dp[i][0] = 1;
        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] + dp[i-1][j];
                else dp[i][j] = dp[i-1][j];
            }
        return dp[s.size()][t.size()];
    }
};

二、力扣583–两个字符串的删除操作

代码随想录题目链接：代码随想录

给定两个单词 word1 和 word2 ，返回使得 word1 和 word2 相同所需的最小步数。
每步 可以删除任意一个字符串中的一个字符。

就是求两个字符串的最长公共子序列，其他的全部删除

dp[i][j]代表word1[:i-1]和word2[:j-1]中的最长公共子序列

那么当word1[i-1] = word2[j-1]，明显dp[i][j] = dp[i-1][j-1] + 1，因为一样所以子序列长度加一

如果不同，那么不能加一，则应该是dp[i-1][j]和dp[i][j-1]中的较大值

这样获得最长子序列长度后，再检查word1和2各需要删除几个字符才能这么长，加起来就是答案

代码如下：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
        for(int i = 1; i < word1.size() + 1; i ++)
        for(int j = 1; j < word2.size() + 1; j ++)
        {
            if(word1[i - 1] == word2[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 word1.size() + word2.size() - dp[word1.size()][word2.size()]*2;
    }
};

三、力扣72–编辑距离

代码随想录题目链接：代码随想录

给你两个单词 word1 和 word2， 请返回将 word1 转换成 word2 所使用的最少操作数 。

你可以对一个单词进行如下三种操作：插入一个字符 | 删除一个字符 | 替换一个字符

dp[i][j]代表：word1[: i-1]和word2[: j-1]的最近编辑距离

那么明显当word1[i-1] = word2[j -1]时，是不需要做任何操作的，dp[i][j] = dp[i-1][j-1]

不等于时，需要增删替了

这里很有意思了，考虑这样一个情况：对word1进行删除字符，那么操作就是word1[:i-2]和word2[:i-1]的最近编辑距离+1

而同时，这一个操作与 word2增加字符 是一样的结果，所以增删是一起的

而更换呢，就是在dp[i-1][j-1]的基础上+1，如果一样的话是不需要加的，但是不一样，换一个就可以一样了，所以加一

那么这三个操作自然是取最小的那个

也就有dp[i][j] = min( {dp[i-1][j-1],dp[i][j-1],dp[i-1][j]} ) + 1

初始化：

dp[i][0] ：以下标i-1为结尾的字符串word1，和空字符串word2，最近编辑距离为dp[i][0]。

那么dp[i][0]就应该是i，对word1里的元素全部做删除操作，即：dp[i][0] = i; 同理dp[0][j] = j;

代码如下：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
        for(int i = 0; i < word1.size() + 1; i ++) dp[i][0] = i;
        for(int i = 0; i < word2.size() + 1; i ++) dp[0][i] = i;
        
        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 dp[i][j] = min( {dp[i - 1][j - 1],dp[i][j - 1],dp[i - 1][j]} ) + 1;
        }
        return dp[word1.size()][word2.size()];
    }
};