Leetcode
不同的子序列
题目链接:leetcode不同的子序列
❓题目描述:
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。
题目数据保证答案符合 32 位带符号整数范围。
💡解题思路:
1.确定dp数组的含义
由于是在两个字符串中找,因此dp数组定义成二维数组
dp[i][j]: 以s[i - 1]结尾的字符串的子序列中以t[j - 1]为结尾的字符串出现的个数
2.推导递推公式
a.
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];
}
当s[i - 1] == t[i - 1]时,有两种情况
第一种情况:考虑s[i - 1]
即 dp[i - 1][j - 1] ⇒ 以s[i - 1]结尾的字符串的子序列中以t[j - 1]为结尾的字符串出现的个数
第二种情况: 不考虑s[i - 1]
即 dp[i - 1][j] ⇒ 以s[i - 2]结尾的字符串的子序列中以t[j - 1]为结尾的字符串出现的个数
是这样的 ⇒
b.
s[i - 1] ! = t[j - 1]
此时就用不到s[i -1]了,只能分析未使用s[i - 1]的情况
即 dp[i ][j] = dp[i - 1][j]
3.dp数组初始化与遍历顺序
由递推公式得出,dp[i][j]由左上方和正上方推导而来,因此遍历顺序从左往右,从上往下
d[i[[0] ,下标以i - 1结尾的s子字符串中,空字符串(" ")的个数
即dp[i][0] = 1;
d[0][j] ,空串中,下标以j - 1结尾的j的子字符串个数
即dp[0][j] = 0;
dp[0][0] ,空串中空串的个数
dp[0][0] = 1;
4.运行代码
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 < dp.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 // s[i - 1] != t[j - 1]
dp[i][j] = dp[i - 1][j];
}
}
return dp[s.size()][t.size()];
}
};
编辑距离
题目链接:leetcode编辑距离
❓题目描述:
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
示例 1:
输入:word1 = "horse", word2 = "ros"
输出:3
解释:
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')
示例 2:
输入:word1 = "intention", word2 = "execution"
输出:5
解释:
intention -> inention (删除 't')
inention -> enention (将 'i' 替换为 'e')
enention -> exention (将 'n' 替换为 'x')
exention -> exection (将 'n' 替换为 'c')
exection -> execution (插入 'u')
提示:
0 <= word1.length, word2.length <= 500
word1 和 word2 由小写英文字母组成
💡解题思路:
1.确定dp数组的含义
word1 转换成 word2 所使用的最少操作数
由于是在两个字符串中找,因此dp数组定义成二维数组
dp[i][j]: 以word1[i - 1]结尾的字符串转换成以word2[j - 1]为结尾的字符串所需要的最少操作数
2.推导递推公式
a.
{
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] + 1, min(dp[i - 1][j] + 1, dp[i][j - 1] + 1));
}
1.当word1[i - 1] == word2[i - 1]时
不需要任何操作,因为word1[i - 1] == word2[j - 1]
因此 dp[i][j] = dp[i - 1][ j - 1]
2. 当word1[i - 1] != word2[i - 1]时
有三种操作,分别是 删除,增添和替换。
首先先分析删除操作:
其实在某种程度上来讲,增添操作和删除操作的意义是相同的。
例如:
word1 = "abcd" word2 = "abcde"
此时word1可以通过增添一个'e'来使得word1 == word2,同样word2页可以通过删除‘e'来使得word1 == word2。
因此 min(dp[i - 1][j] , dp[i][j - 1] ) + 1
再来看替换操作:
替换操作无非就是将word1[i -1] 替换成与word2[j - 1]相等或者是将word2[i -1] 替换成与word1[j - 1]相等
相等之后的处理情况就是dp[i - 1][j - 1],然后再加上这一次的替换操作。
那么此时就是 dp[i - 1][j - 1] + 1
3.dp数组初始化与遍历顺序
由递推公式得出,dp[i][j]由左上方,正上方和正左方推导而来,因此遍历顺序从左往右,从上往下
d[i[[0] ,以word1[i - 1]结尾的字符串转换成以空串所需要的最少操作数
即dp[i][0] = i;
d[0][j] ,空串转换成以word2[j - 1]为结尾的字符串所需要的最少操作数
即dp[0][j] = j;
dp[0][0] ,空串转换成空串所需要的最少操作数
dp[0][0] = 0;
4.运行代码
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(); i++)
{
dp[i][0] = i;
}
for(int j = 0; j <= word2.size(); j++)
{
dp[0][j] = j;
}
for(int i = 1; i < dp.size(); i++)
{
for(int j = 1; j < dp[0].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] + 1, min(dp[i - 1][j] + 1, dp[i][j - 1] + 1));
}
}
return dp[word1.size()][word2.size()];
}
};