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()];
}
};