动态规划之入门题解(LeetCode_53最大子数组和)
一、动态规划算法解题步骤
上一篇博客已经写过啦,我在这里贴心的为大家附上链接,感兴趣的家人们可以去去看看👇👇👇
链接: https://blog.csdn.net/weixin_49301912/article/details/124186610?spm=1001.2014.3001.5501
二、题解
示例:LeetCode_1143(最长公共子序列)
链接: https://leetcode-cn.com/problems/longest-common-subsequence/
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 。
1.状态定义
想要求出两个字符串的最长公共子序列,首先要明确的是,子序列可以是不连续的。所以此时我们可以定义状态:
F(i,j):表示text1的前 i 个字符构成的字符串与text2的前 j 个字符构成的字符串的最长公共子序列;
这样就可以将大问题分解成子问题,得出子问题的解,就可以得出整个问题的解。
2.状态间的转换方程定义
定义好状态之后,状态转换方程就显而易见了。
①当text1[ i ]=text2[ j ] : F[ i ][ j ]=F[ i+1 ][ j+1 ] +1(1 表示下相等的text1[ i ]和text2[ j ] )
②当text1[ i ] !=text2[ j ] : F[ i ][ j ]=max( F[ i -1][ j ] , F[ i ][ j-1 ] )
得出状态转换方程,就可以定义一个二维数组(arr[ text1.length()+1 ][ text1.length()+1 ])来求解。
arr[ 0 ][ i ]:表示的是 text1 中取空字符串 跟 text2 的最长公共子序列,结果肯定为 0。
arr[ i ][ 0 ]:表示的是 text2 中取空字符串 跟 text1 的最长公共子序列,结果肯定为 0。
arr[ 0 ][ 0 ]= 0。
3.状态的初始化
状态初始化,即最简单的子问题。
f[ i ][ 0 ] = f[ 0 ][ j ] = 0,(0 <=i<=text1.length(), 0<=j<=text2.length())
空字符串与有长度的字符串的最长公共子序列长度肯定为0。
4.返回结果及优化过程
我们此时定义的状态与原问题相符合,最后直接返回F[ text1.length() ] [ text2.length() ] 的值就是原问题的解。
Java代码
public int longestCommonSubsequence(String text1, String text2) {
int len1=text1.length();//行
int len2=text2.length();//列
//1、状态定义
//F[i][j]表示text1的前 i 个字符构成的字符串与text2的前 j 个字符构成的字符串的最长公共子序列
int[][] ret=new int[len1+1][len2+1];
//2、状态初始化,因为整型数组默认值就是0,所以可以省略状态初始化这一步
//3、根据状态转换方程求解
for (int i = 1; i < len1+1; i++) {
for (int j = 1; j < len2+1; j++) {
if(text1.charAt(i-1)==text2.charAt(j-1)){
ret[i][j]=ret[i-1][j-1]+1;
}else{
ret[i][j]=Math.max(ret[i-1][j],ret[i][j-1]);
}
}
}
//4、返回结果
return ret[len1][len2];
}