目录:
1143.最长公共子序列
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。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,"ace" 是 "abcde" 的子序列,但 "aec" 不是 "abcde" 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。
若这两个字符串没有公共子序列,则返回 0。
示例 1:
- 输入:text1 = "abcde", text2 = "ace"
- 输出:3
- 解释:最长公共子序列是 "ace",它的长度为 3
分析:
主要就是两大情况: text1[i ] 与 text2[j ]相同,text1[i ] 与 text2[j ]不相同
如果 text1[i ] 与 text2[j ]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 ] 与 text2[j ]不相同,那就看看text1[0, i - 1]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]);
——实际上就是上一种情况该怎么能推到这一种情况呢?
对于重复子数组来说:是要连续匹配上的,所以考虑dp[i][j]是以i、j为结尾的情况,从dp[i-1][j-1]到dp[i][j]——让两边各多一位——这一位相同,则在少一位dp[i-1][j-1]的基础上+1
对于本情况来说:是不需要连续匹配上,也就是每匹配到一个字母,就可以+1
所以考虑dp[i][j]是以i、j往前的情况——i、j位匹配上了,则在则在少一位dp[i-1][j-1]的基础上+1
没匹配上,考虑i-1&j i&j-1的情况
int longestCommonSubsequence(char* text1, char* text2) {
int i=0,j=0;
int len1=strlen(text1),len2=strlen(text2);
int dp[len1][len2];
memset(dp,0,sizeof(dp));
for (int i=0;i<len1;i++){
if(text2[0]==text1[i]) dp[i][0]=1;
else if(i>=1) dp[i][0]=dp[i-1][0];
}
for (int j=0;j<len2;j++){
if(text1[0]==text2[j]) dp[0][j]=1;
else if(j>=1) dp[0][j]=dp[0][j-1];
}
for (int i=1;i<len1;i++){
for (int j=1;j<len2;j++){
if(text1[i]==text2[j]) dp[i][j]=dp[i-1][j-1]+1;
else dp[i][j]=fmax(dp[i-1][j], dp[i][j-1]);
}
}
return dp[len1-1][len2-1];
}
1035.不相交的线
我们在两条独立的水平线上按给定的顺序写下 A 和 B 中的整数。
现在,我们可以绘制一些连接两个数字 A[i] 和 B[j] 的直线,只要 A[i] == B[j],且我们绘制的直线不与任何其他连线(非水平线)相交。
以这种方法绘制线条,并返回我们可以绘制的最大连线数。
分析:
实际上完全就是最长公共序列
int maxUncrossedLines(int* nums1, int nums1Size, int* nums2, int nums2Size) {
int dp[nums1Size][nums2Size];//dp ij表示第i个元素前,第j个元素前,最多能连出的线的个数,也是最长匹配子串元素个数
memset(dp, 0, sizeof(dp));
for (int i=0;i<nums1Size;i++){
if(nums1[i]==nums2[0]) dp[i][0]=1;
else if(i>=1) dp[i][0]=dp[i-1][0];
}
for(int j=0;j<nums2Size;j++){
if(nums2[j]==nums1[0]) dp[0][j]=1;
else if(j>=1) dp[0][j]=dp[0][j-1];
}
for (int i=1;i<nums1Size;i++){
for(int j=1;j<nums2Size;j++){
if(nums1[i]==nums2[j]) dp[i][j]=dp[i-1][j-1]+1;
else dp[i][j]=fmax(dp[i-1][j], dp[i][j-1]);
}
}
return dp[nums1Size-1][nums2Size-1];
}
53. 最大子序和
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例:
- 输入: [-2,1,-3,4,-1,2,1,-5,4]
- 输出: 6
- 解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
分析:
涉及到最大——贪心
最大和,连续子数组——用sum计算每段的和,为负数则丢弃,从下一段开始计数
int maxSubArray(int* nums, int numsSize) {
int max_ans=INT_MIN;
int sum=0;
for (int i=0;i<numsSize;i++){
sum+=nums[i];
max_ans=fmax(sum,max_ans);
if(sum<0) sum=0;//注意这个变为0和求max的顺序,考虑到有和有可能是负数
}
return max_ans;
}
动态规划
前一个状态会影响当前状态,所以也可以考虑用动态规划解决
一般如果要求连续——会采用以xx结尾的dp数组定义方式,再用max_ans记录最大值情况
dp[i]只有两个方向可以推出来:
- dp[i - 1] + nums[i],即:nums[i]加入当前连续子序列和
- nums[i],即:从头开始计算当前连续子序列和
一定是取最大的,所以dp[i] = max(dp[i - 1] + nums[i], nums[i]);
int maxSubArray(int* nums, int numsSize) {
int dp[numsSize];// dp i 表示以第i个数结尾的最大和连续子数组
memset(dp, 0, sizeof(0));
int max_ans=nums[0];
dp[0]=nums[0];
for (int i=1;i<numsSize;i++){
dp[i]=fmax(dp[i-1]+nums[i],nums[i]);
max_ans=fmax(max_ans, dp[i]);
}
return max_ans;
}
392.判断子序列
给定字符串 s 和 t ,判断 s 是否为 t 的子序列。
字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace"是"abcde"的一个子序列,而"aec"不是)。
示例 1:
- 输入:s = "abc", t = "ahbgdc"
- 输出:true
示例 2:
- 输入:s = "axc", t = "ahbgdc"
- 输出:false
双指针思路:
bool isSubsequence(char* s, char* t) {
//双指针
int l1=strlen(s),l2=strlen(t);
int i=0,j=0;
while(i<l1 && j<l2){
if(s[i]==t[j]) {
i++;
j++;
}
else j++;
}
if(i==l1 ) return true;
else return false;
}
时间复杂度为O(n)
动态规划思路:
为编辑距离的题目打下基础。
动态规划五部曲分析如下:
1、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]。
其实用i来表示也可以!
但我统一以下标i-1为结尾的字符串来计算,这样在下面的递归公式中会容易理解一些,如果还有疑惑,可以继续往下看。
2、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(如果不理解,在回看一下dp[i][j]的定义)
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];
其实这里 大家可以发现和 1143.最长公共子序列 (opens new window)的递推公式基本那就是一样的,区别就是 本题 如果删元素一定是字符串t,而 1143.最长公共子序列 是两个字符串都可以删元素。
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。
这里大家已经可以发现,在定义dp[i][j]含义的时候为什么要表示以下标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]。
因为这样的定义在dp二维矩阵中可以留出初始化的区间,如图:
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
结论:dp[s.size()][t.size()] 与 字符串s的长度相同说明:s与t的最长相同子序列就是s,那么s 就是 t 的子序列。
bool isSubsequence(char* s, char* t) {
int l1=strlen(s),l2=strlen(t);
int dp[l1+1][l2+1];
memset(dp,0,sizeof(dp));
for (int i=1;i<=l1;i++){
for (int j=1;j<=l2;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];
}
}
if(dp[l1][l2]==l1) return true;
else return false;
}