动态规划之子序列

ly@눈_눈

已于 2023-09-19 20:48:51 修改

阅读量589

点赞数 18

分类专栏： # 动态规划文章标签：动态规划算法

于 2023-09-18 20:36:47 首次发布

本文链接：https://blog.csdn.net/weixin_68278653/article/details/132817493

版权

动态规划专栏收录该内容

9 篇文章 1 订阅

订阅专栏

子序列问题

1. 最长递增子序列
2. 摆动序列
3. 最长递增子序列的个数
4. 最长等差数列
5. 等差数列划分 II - 子序列

首先说明一下子序列和子数组的概念。在数组中，子数组是由连续的元素组成的，而子序列则不一定是连续的。在字符串中，子串是由连续的字符组成的，而子序列则不一定是连续的。

1. 最长递增子序列

1.题目链接：子序列问题
2.题目描述：
给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 1：

输入：nums = [10,9,2,5,3,7,101,18]
输出：4
解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

示例 2：

输入：nums = [0,1,0,3,2,3]
输出：4

示例 3：

输入：nums = [7,7,7,7,7,7,7]
输出：1

提示：

1 <= nums.length <= 2500
-10^4 <= nums[i] <= 10^4

3.问题分析：这道题是要求递增子序列的最长长度，那么如果是求递增子数组的最长长度，又该如何求解？两者之间又有什么区别？
首先看求递增子数组的最长长度这道问题，然后以 i 位置为结尾进行分析，如果nums的 i 位置的值比nums的 i - 1位置的值大，那么dp表中该位置(i位置)的数值等于前一个位置的数值加1；由上述可知，求递增子数组的最长长度关键是寻找 i 位置前一个位置的数。
那么子序列呢？因为子序列是不一定连续的，以 i 位置进行分析，我们需要找到的是 i 位置前面所有元素中比nums[i]小的数值，然后在这些位置对应的dp表中寻找最大的数值，即最长长度。

状态表示：dp[i] 表⽰：以 i 位置元素为结尾的所有⼦序列中，最⻓递增⼦序列的⻓度。
状态转移方程：有上述问题分析知，求dp[i]位置的值，需要遍历 i 位置前面的所有比nums[i]小的值，找到对应的dp表中寻找最大的数值，所以状态转移方程为：dp[i] = max(dp[i], dp[i前面的元素] + 1)。
初始化：求得值子序列的长度，递增子序列的最小长度为1，所以全部初始化为1即可。
填表顺序：从左往右。
返回值：返回dp表中最大的数值。

4.代码如下：

class Solution 
{
public:
    int lengthOfLIS(vector<int>& nums) 
    {
        int n = nums.size();
        //创建dp表，并全初始化为1
        vector<int> dp(n, 1);
        int ret = 1;
        for (int i = 1; i < n; ++i)
        {
        	//寻找i位置前面的所有值
            for (int j = 0; j < i; ++j)
            {
                //将递增的最大值保留下来
                if (nums[i] > nums[j])
                    dp[i] = max(dp[i], dp[j] + 1);
            }
            //找出dp表中的最大值
            ret = max(ret, dp[i]);
        }
        return ret;
    }
};

2. 摆动序列

1.题目链接：摆动序列
2.题目描述：
如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。第一个差（如果存在的话）可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。

例如， [1, 7, 4, 9, 2, 5] 是一个摆动序列，因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。

相反，[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
子序列可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。
给你一个整数数组 nums ，返回 nums 中作为摆动序列的最长子序列的长度。

示例 1：

输入：nums = [1,7,4,9,2,5]
输出：6
解释：整个序列均为摆动序列，各元素之间的差值为 (6, -3, 5, -7, 3)。

示例 2：

输入：nums = [1,17,5,10,13,15,10,5,16,8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。

示例 3：

输入：nums = [1,2,3,4,5,6,7,8,9]
输出：2

提示：

1 <= nums.length <= 1000
0 <= nums[i] <= 1000

3.题目分析：这道题可以说是摆动数组（即最长湍流子数组）的升级，如果是摆动数组，那么这道题该如何解决？因为两元素之间的差有两种结果（0不考虑），所以需要两个dp表来将所有结果管理起来；通常一个表f[i]用来表示相减的差为正数的最长子数组的个数，另一个表g[i]用来表示相减的差为负数的最长子数组的个数。如果 i 位置的元素⽐ i - 1 位置的元素⼤，说明接下来应该去找 i -1 位置结尾，并且 i - 1 位置元素⽐前⼀个元素⼩的序列，那就是 g[i - 1] 。更新 f[i] 位置的值： f[i] = g[i - 1] + 1 ； 2.arr[i] < arr[i - 1] ：如果 i 位置的元素⽐ i - 1 位置的元素⼩，说明接下来应该去找 i - 1 位置结尾，并且 i - 1 位置元素⽐前⼀个元素⼤的序列，那就是f[i - 1] 。更新 g[i] 位置的值： g[i] = f[i - 1] + 1 ； arr[i] == arr[i - 1] ：不构成湍流数组。
那么这道题该如何解决？因为子序列不一定相连，所以需要将 i 位置前面的元素都找一遍，每次保留最大的长度即可。

状态表示：f[i] 表⽰：以 i 位置元素为结尾的所有的⼦序列中，最后⼀个位置相减为正数的最⻓摆动序列的⻓度；g[i] 表⽰：以 i 位置元素为结尾的所有的⼦序列中，最后⼀个位置相减为负数的最⻓摆动序列的⻓度。
状态转移方程：1.如果子序列长度为1，那么f[i]、g[i]就只能为1；2.如果子序列长度大于1，以i位置进行分析，如果nums[i] > nums[i - 1]，即最后⼀个位置相减为正数，此时应该入f表，并且应该寻找i - 1位置为值相减为负数的表，也就是g表，所以f[i] = g[i - 1] + 1，那么当nums[i] < nums[i - 1]时，g[i] = f[i - 1] + 1；因为要求子序列的最长长度，所以将i位置前面的元素都遍历一遍即可。
初始化：所有的元素单独都能构成⼀个摆动序列，因此可以将f、g表内所有元素初始化为1 。
填表顺序：从左往右。
返回值：返回f表、g表中的最大值。

4.代码如下：

class Solution
{
public:
    int wiggleMaxLength(vector<int>& nums)
    {
        int n = nums.size();
        vector<int> f(n, 1), g(n, 1); // 1. 创建 dp 表 + 初始化
        int ret = 1; // 更新最终结果
        for (int i = 1; i < n; i++) // 2. 填写 f[i] 以及 g[i]
        {
            for (int j = i - 1; j >= 0; j--)
            {
                if (nums[j] < nums[i]) //j相当于i - 1,i - 2等
                    f[i] = max(g[j] + 1, f[i]);
                else if (nums[j] > nums[i])
                    g[i] = max(f[j] + 1, g[i]);
            }
            ret = max(ret, max(f[i], g[i]));
        }
        // 3. 返回结果
        return ret;
    }
};

3. 最长递增子序列的个数

1.题目链接：最长递增子序列的个数
2.题目描述：
给定一个未排序的整数数组 nums ，返回最长递增子序列的个数。
注意这个数列必须是严格递增的。

示例 1:

输入: [1,3,5,4,7]
输出: 2
解释: 有两个最长递增子序列，分别是 [1, 3, 4, 7] 和[1, 3, 5, 7]。

示例 2:

输入: [2,2,2,2,2]
输出: 5
解释: 最长递增子序列的长度是1，并且存在5个子序列的长度为1，因此输出5。

提示:

1 <= nums.length <= 2000
-10^6 <= nums[i] <= 10^6

3.问题分析：这道题就有些意思，由题知有两点是变化的，一个是递增数列的长度，另一个是递增数列的个数，将上述这两个信息能管理起来，那么就可以求出最长递增数列的个数。用一个f表表示以 i 为结尾的最⻓递增⼦序列的⻓度；g表表示：以 i 为结尾的最⻓递增⼦序列的个数；用len表示返回递增子序列的长度，用count表示返回递增子序列的个数。
以 i 位置进行分析：如果nums[i] > nums[j]( j 表示的是i位置前面的元素)，1.此时如果f[j] + 1 == f[i]，说明有不同序列相同的长度，所以g[i] += g[ j ]，因为 j 位置不一定为1个元素，可能为多个，所以+=；2.如果f[j] + 1 > f[i]，说明需要更新长度，即更新f表，但f表一更新，g表也要更新，此时f[i] = f[ j ]，g[i] = g[ j ]，长度更新后，i 位置的递增子序列的个数等于 j 位置的个数。遍历完一个循环后统计要返回的个数，先看要返回的长度是否增加，如果增加那么就更新，更新为f表、g表的最新值，否则就加上遍历后的递增子序列的新个数。

4.代码如下：

class Solution {
public:
    int findNumberOfLIS(vector<int>& nums) {
 int n = nums.size();
        vector<int> f(n, 1), g(n, 1);
        int len = 1, count = 1;
        for (int i = 1; i < n; ++i)
        {
            for (int j = 0; j < i; ++j)
            {
                if (nums[i] > nums[j])
                {
                    if (f[j] + 1 == f[i])
                        g[i] += g[j];
                    else if (f[j] + 1 > f[i])
                    {
                        f[i] = f[j] + 1;
                        g[i] = g[j];
                    }
                }
            }
            if (len == f[i])
                count += g[i];
            else if (len < f[i]) 
            {
                len = f[i];
                count = g[i];
            }
        }
        return count;        
    }
};

4. 最长等差数列

1.题目链接：最长等差数列
2.题目描述：
给你一个整数数组 nums，返回 nums 中最长等差子序列的长度。

回想一下，nums 的子序列是一个列表 nums[i1], nums[i2], …, nums[ik] ，且 0 <= i1 < i2 < … < ik <= nums.length - 1。并且如果 seq[i+1] - seq[i]( 0 <= i < seq.length - 1) 的值都相同，那么序列 seq 是等差的。

示例 1：

输入：nums = [3,6,9,12]
输出：4
解释：整个数组是公差为 3 的等差数列。

示例 2：

输入：nums = [9,4,7,2,10]
输出：3
解释：最长的等差子序列是 [4,7,10]。

示例 3：

输入：nums = [20,1,15,3,10,5,8]
输出：4
解释：最长的等差子序列是 [20,15,10,5]。

提示：

2 <= nums.length <= 1000
0 <= nums[i] <= 500

3.问题分析：前几道所求是递增或递减序列，只需要两个数就可以知道它两是递增还是递减；而这道题所求为等差数列，要知道一个序列是否为等差数列，最少需要知道3个数；所以答题思路就和前几道差不多，一个for循环确定一个数，三个for循环就可以解决这道题；这里有一种思路，就是可以将数组中的元素和其下标存到一个哈希表中，找第三个数时，可以降低时间复杂度。其中填哈希表时应该注意：因为nums数组中可能会有相同的数值，当填到最后一个相同的元素时，下标会被覆盖，所以可以用数组存下标，另一种方式就是一遍寻找，一遍保存，保存距离最近的元素。

状态表示：dp[i][j] 表⽰：以 i 位置以及 j 位置的元素为结尾的所有的⼦序列中，最⻓的等差序列的⻓度。
状态转移方程：以i，j位置进行分析，i，j位置所表示等差序列中第二，第三位数，然后在i位置之前寻找符合条件的数，如果符合，那么dp[i][j]位置的值该如何确定？i， j表示以 i 及 j 位置为结尾的，那么新找到数的线标（符合条件数的下标）是不是就为新的 i ，而之前的 i 是不是就为新的 j ；如：符合条件的下标 i 、 j ；dp[i][j] = dp[符合条件的下标][i] + 1。
初始化：因为等差数列的长度不是0，就是比3大，所以将所有值初始化为2
填表顺序：固定倒数第二个数，再由倒数第一个数寻找符合条件的数。
返回值：返回dp表中最大的元素。

4.代码如下：

class Solution 
{
public:
    int longestArithSeqLength(vector<int>& nums) 
    {
        int n = nums.size();
        unordered_map<int, int> hash;

        hash[nums[0]] = 0;
        int ret = 2;
        vector<vector<int>> dp(n, vector<int>(n, 2));
        for (int i = 1; i < n; ++i) //固定倒数第二个数
        {
            for (int j = i + 1; j < n; ++j)
            {
                int a = 2 * nums[i] - nums[j];
                if (hash.count(a))
                    dp[i][j] = dp[hash[a]][i] + 1;
                ret = max(ret, dp[i][j]);
            }
            hash[nums[i]] = i;
        }
        return ret;
    }
};

5. 等差数列划分 II - 子序列

1.题目链接：等差数列划分 II - 子序列
2.题目描述：
给你一个整数数组 nums ，返回 nums 中所有等差子序列的数目。
如果一个序列中至少有三个元素，并且任意两个相邻元素之差相同，则称该序列为等差序列。
例如，[1, 3, 5, 7, 9]、[7, 7, 7, 7] 和 [3, -1, -5, -9] 都是等差序列。
再例如，[1, 1, 2, 5, 7] 不是等差序列。
数组中的子序列是从数组中删除一些元素（也可能不删除）得到的一个序列。

例如，[2,5,10] 是 [1,2,1,2,4,1,5,10] 的一个子序列。
题目数据保证答案是一个 32-bit 整数。

示例 1：

输入：nums = [2,4,6,8,10]
输出：7
解释：所有的等差子序列为： [2,4,6] [4,6,8] [6,8,10] [2,4,6,8] [4,6,8,10] [2,4,6,8,10] [2,6,10]

示例 2：

输入：nums = [7,7,7,7,7]
输出：16
解释：数组中的任意子序列都是等差子序列。

提示：

1 <= nums.length <= 1000
-2^31 <= nums[i] <= 2^31 - 1

3.题目解析：这道题是在一个数组中寻找等差子序列的总个数，并且等差数列可以相同。对于寻找等差数列还是用和前几道一样的方法，一个for循环固定等差数列倒数第二的元素，另一个固定等差数列倒数第一的元素，然后寻找构成等差数列的数，如果再加一个for循环，那么时间复杂度就太大了，所以用一个hash表将nums中的元素和元素下标管理起来，这样寻找的时间复杂度接近O(1)。需要注意的是nums数组中的元素可能会有重复的，所以可以用1对多的关系来管理下标。因为用两层循环来确定等差数列，所以定义一个二维dp[i][j]表示：以 i 位置及 j 位置为结尾所有等差数列的个数，因为每个i，j位置是不一样的，所以最后返回的是dp表中所有元素的总和。

状态表示：dp[i][j] 表示：以 i 位置以及 j 位置的元素为结尾的所有的⼦序列中，等差⼦序列的个数。其中 i < j ，即 i 为等差数列倒数第二个位置，j 为倒数第一个。
状态转移方程：如果寻找的倒数第三个等差数列，这个位置记为 k，那么k，i，j 构成等差数列，k前面有可能还有元素；这里举个例子，将k，i，j 当做子序列的话不容易想到，那么就k，i，j 当做是连续的等差数列，k前面再记几个元素，如下m，n，k，i，j 这5位数构成等差数列，以k，i 位置来分析，dp表表示的是以 i 位置以及 j 位置的元素为结尾等差⼦序列的个数，那么以i，j 为结尾是比k，i 为结尾的个数多一个，详解如等差数列划分1。所以状态转移方程为：dp[i][j] += dp[k][i] = 1 。
填表顺序：从上往下，从左往右。
初始化：dp表全初始化为0。
返回值：返回的是dp表中所有元素的总和。

4.代码如下：

class Solution 
{
public:
    int numberOfArithmeticSlices(vector<int>& nums)
    {
        int n = nums.size();
        unordered_map<long long, vector<int>> hash; //一对多的关系
        for (int i = 0; i < n; ++i) //将所有nums数组中的元素与其对应的下标管理起来
            hash[nums[i]].push_back(i);

        int ret = 0;
        vector<vector<int>> dp(n, vector<int>(n));
        for (int i = 1; i < n; ++i) //确定倒数第二个数
        {
            for (int j = i + 1; j < n; ++j) //确定倒数第一个数
            {
                long long a = ((long long)nums[i]) * 2 - nums[j]; //相乘可能会越界,所以先强转,再相乘
                if (hash.count(a)) //寻找符合条件的数
                {
                    for (auto& k : hash[a])
                    {
                        if (k < i) //降符合的个数全加起来
                            dp[i][j] += dp[k][i] + 1;
                    }
                }
                ret += dp[i][j];
            }
        }
        return ret;
    }
};