- 确定dp数组(dp table)以及下标的含义。dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]。
- 确定递推公式。主要就是两大情况: text1[i - 1] 与 text2[j - 1]相同,text1[i - 1] 与 text2[j - 1]不相同。如果text1[i - 1] 与 text2[j - 1]相同,那么找到了一个公共元素,所以dp[i][j] = dp[i - 1][j - 1] + 1;如果text1[i - 1] 与 text2[j - 1]不相同,那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的,即:dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
- dp数组如何初始化。
- 确定遍历顺序。从递推公式,可以看出,有三个方向可以推出dp[i][j],如图:
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
int m = text1.size(), n = text2.size();
// dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]
vector<vector<int>> dp(m + 1, vector<int>(n+1, 0));
for(int i = 1; i < m + 1; i++){
for(int j = 1; j < n + 1; j++){
if(text1[i-1] == text2[j-1]) dp[i][j] = dp[i-1][j-1] + 1;
else dp[i][j] = max(dp[i][j-1], dp[i-1][j]);
}
}
return dp[m][n];
}
};
直线不能相交,这就是说明在字符串A中 找到一个与字符串B相同的子序列,且这个子序列不能改变相对顺序,只要相对顺序不改变,链接相同数字的直线就不会相交。本题说是求绘制的最大连线数,其实就是求两个字符串的最长公共子序列的长度!
class Solution {
public:
int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size(), m = nums2.size();
vector<vector<int>> dp(n+1, vector<int>(m+1));
for(int i = 1; i < n+1; i++){
for(int j = 1; j < m+1; j++){
if(nums1[i-1] == nums2[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 dp[n][m];
}
};
class Solution {
public: //贪心思路
int maxSubArray(vector<int>& nums) {
int ans = INT32_MIN, sum = 0;
for(int i = 0; i < nums.size(); i++){
// 重置最大子序起始位置,因为遇到负数一定是拉低总和
if(sum < 0) sum = nums[i];
else sum += nums[i];
ans = max(ans, sum);
}
return ans;
}
};
class Solution {
public: //动态规划
int maxSubArray(vector<int>& nums) {
if(nums.size() == 0) return 0;
int res = nums[0]; //注意这里是初始化成nums[0],不是INT32_MIN
vector<int>dp(nums.size(), 0);
dp[0] = nums[0]; // 包括下标i(以nums[i]为结尾,一定包含nums[i])的最大连续子序列和为dp[i]
for(int i = 1; i < nums.size(); i++){
dp[i] = max(dp[i - 1] + nums[i], nums[i]);
res = max(res, dp[i]);
}
return res;
}
};
确定dp数组(dp table)以及下标的含义。dp[i][j] 表示以下标i-1为结尾的字符串s,和以下标j-1为结尾的字符串t,相同子序列的长度为dp[i][j]。
确定递推公式。在确定递推公式的时候,首先要考虑如下两种操作,整理如下:if (s[i - 1] == t[j - 1]),t中找到了一个字符在s中也出现了。if (s[i - 1] != t[j - 1]),相当于t要删除元素,继续匹配。
if (s[i - 1] == t[j - 1]),那么dp[i][j] = dp[i - 1][j - 1] + 1;,因为找到了一个相同的字符,相同子序列长度自然要在dp[i-1][j-1]的基础上加1。
if (s[i - 1] != t[j - 1]),此时相当于t要删除元素,t如果把当前元素t[j - 1]删除,那么dp[i][j] 的数值就是 看s[i - 1]与 t[j - 2]的比较结果了,即:dp[i][j] = dp[i][j - 1]。
dp数组如何初始化。从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1],所以dp[0][0]和dp[i][0]是一定要初始化的。
确定遍历顺序。同理从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1],那么遍历顺序也应该是从上到下,从左到右。
class Solution {
public: //贪心思路
bool isSubsequence(string s, string t) {
int t1 = 0;
int s1 = 0;
while(t1 < t.size() && s1 < s.size() ){
if (t[t1] == s[s1]) s1++;
t1++;
}
if(s1 == s.size()) return true;
else return false;
}
};
class Solution {
public: //动态规划,编辑距离
bool isSubsequence(string s, string t) {
// 注意理解下初始化size为什么要加 1
vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 0));
for(int i = 1; i < s.size() + 1; i++){ //注意理解一下遍历顺序
for(int j = 1; j < t.size() + 1; j++){
if(s[i - 1] == t[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1;
else dp[i][j] = dp[i][j - 1];
}
}
return s.size() == dp[s.size()][t.size()];
}
};
这道题目算是编辑距离的入门题目(毕竟这里只是涉及到减法),也是动态规划解决的经典题型。注意本题和 1143.最长公共子序列 的区别。