子序列问题
子序列问题是很常见的一类动态规划的问题,与之类似的还有子串问题,这两者有什么区别呢?
子序列是不需要连续的,但是字串是需要连续的。
"abcd"
子序列是["a","b","c","d","ab","ac","ad","bc","bd","cd"]
字串是["a","b","c","d","ab","bc","cd"]
观察一下两者之间的区别。
这类子序列问题一般使用动态规划来做,一般有以下两种思路
一维dp数组
最长递增子序列
状态:索引的位置
选择:向后移
dp[ i ]:nums的 [0 … i] 区间的递增子序列的长度
base case :dp[0 … i] = 1
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
// 初始状态是自己成递增子序列,长度为1
Arrays.fill(dp, 1);
for (int i = 1; i < dp.length; i++) {
int temp = nums[i];
// 往前面找
for (int j = i - 1; j >= 0; j--) {
// 找到一个比nums[i]位置大的值,就更新下dp[i]
if (nums[j] > temp) {
dp[i] = Math.max(
dp[i],
// dp[0..j]加上nums[i]这个值
dp[j] + 1
);
}
}
}
// 返回dp数组中的最大值
return max(dp);
}
private int max(int... num) {
int max = num[0];
for (int i = 1; i < num.length; i++) {
max = Math.max(min, num[i]);
}
return max;
}
二维dp
# 涉及两个字符串/数组时,dpdp[i][j] 的含义如下:
在子数组arr1[0..i]和子数组arr2[0..j]中,要求的子序列长度
例:最长公共子序列、编辑距离
# 只涉及一个字符串/数组时,dp[i][j] 数组的含义如下:
在子数组arr[i..j]中,要求的子序列的长度
例:最长回文子序列
最短编辑距离
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
dp[ i ] [ j ]:将word1 [ 0 , i )变为word2 [ 0 , j )的最少操作数
public int minDistance(String word1, String word2) {
int[][] dp = new int[word1.length() + 1][word2.length() + 1];
for (int i = 0; i < dp.length; i++) {
dp[i][0] = i;
}
for (int j = 0; j < dp[0].length; j++) {
dp[0][j] = j;
}
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j < dp[0].length; j++) {
if (word1.charAt(i) == word2.charAt(j)) {
dp[i][j] = dp[i - 1][j - 1];
} else {
dp[i][j] = min(
dp[i][j - 1] + 1, // 插入
dp[i - 1][j] + 1, // 删除
dp[i - 1][j - 1] + 1 //替换
);
}
}
}
return dp[word1.length()][word2.length()];
}
private int min(int... num) {
int min = num[0];
for (int i = 1; i < num.length; i++) {
min = Math.min(min, num[i]);
}
return min;
}
最长公共子序列
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
dp [ i , j ]:text1 [ 0 , i ) 与 text2[ 0 , j )的最长公共子序列长度
public int longestCommonSubsequence(String text1, String text2) {
int[][] dp = new int[text1.length() + 1][text2.length() + 1];
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j < dp[0].length; j++) {
if (text1.charAt(i - 1) == text2.charAt(j - 1)) {
dp[i][j] = dp[i - 1][j - 1] + 1;
} else {
dp[i][j] = Math.max(
dp[i - 1][j],
dp[i][j - 1]
);
}
}
}
return dp[text1.length()][text2.length()];
}
最长回文子序列
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
dp [ i , j ]:s [ i , j ]的最长回文子序列的长度
public int longestPalindromeSubseq(String s) {
int len = s.length();
int[][] dp = new int[len][len];
for (int i = 0; i < dp.length; i++) {
dp[i][i] = 1;
}
for (int i = len - 2; i >= 0; i--) {
for (int j = i + 1; j < len; j++) {
if (s.charAt(i) == s.charAt(j)) {
dp[i][j] = dp[i + 1][j - 1] + 2;
} else {
dp[i][j] = Math.max(
dp[i + 1][j],
dp[i][j - 1]
);
}
}
}
return dp[0][len - 1];
}
另一种解法
public int longestPalindromeSubseq(String s) {
int len = s.length();
int[][] dp = new int[len][len];
for (int i = 0; i < dp.length; i++) {
dp[i][i] = 1;
}
// 偏移对角线
for (int offset = 1; offset < len; offset++) {
for (int i = offset; i < len; i++) {
int acI = i - offset;
if (s.charAt(acI) == s.charAt(i)) {
dp[acI][i] = dp[acI + 1][i - 1] + 2;
} else {
dp[acI][i] = Math.max(
dp[acI + 1][i],
dp[acI][i - 1]
);
}
}
}
return dp[0][len - 1];
}