文章目录
Day 57
01. 最长重复子数组(No. 718)
<1> 题目
给两个整数数组 nums1
和 nums2
,返回 两个数组中 公共的 、长度最长的子数组的长度 。
示例 1:
输入:nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出:3
解释:长度最长的公共子数组是 [3,2,1] 。
示例 2:
输入:nums1 = [0,0,0,0,0], nums2 = [0,0,0,0,0]
输出:5
提示:
1 <= nums1.length, nums2.length <= 1000
0 <= nums1[i], nums2[i] <= 100
<2> 笔记
昨天时间比较紧张没有研究这道题的动态规划的解法,这里补一下。
1. 状态
本题动态规划的难点就是找不到一个可以转移的 状态。有了前面动态规划问题的经验,对于一组数据最容易想到的状态就是选取的元素的范围。状态就是这个范围内最长的重复子数组的长度。
但是本体中要求的子数组是 连续的 序列,所以状态的设计必须要和 结尾 有关系,某个以 nums[x]
和 nums2[y]
为结尾的子数组需要通过以 nums[x - 1]
和 nums2[i - 1]
为结尾状态推出。
2. dp 数组
令 dp[i][j]
为以 nums1[i - 1]
和 nums2[j - 1]
为 结尾 的数组的最长的连续子序列的长度(子序列必须是 nums1[i - 1]
和 nums2[j - 1]
结尾的)。
- 首先来解释为什么是以这两个数为结尾的数组,因为题目中要求的是连续的子序列,所以后一个的状态仅能由以它们的 前一个元素 为结尾的数组状态推出。
- 为什么要选取
dp[i][j]
为nums[i - 1]
和nums[j - 1]
为结尾呢?这主要是为了初始化的时候比较简单,在后面递推公式的时候可以发现,dp[i][j]
的推导依赖着dp[i - 1][j - ]
的值,所以要像背包问题那样将第一行和第一列的值初始化,但是如果前移一位,那第一行就是nums1[-1]
与nums2
重复子数组,列同理,这两个值均是没有意义的,都可以初始化为0
。
关于不前移的方法在后面会提到
3. 递推公式
如果 nums[i - 1] != nums[j - 1]
,就说明以 nums[i - 1]
和 nums[j - 1]
结尾的数组的公共子串的长度是不存在的,即赋值为 0。
而如果 nums[i - 1] == nums[j - 1]
说明它可以作为子序列的结尾,那就去寻找上一个结尾看看接上之后的值为多少:dp[i][j] = dp[i - 1][j - 1] + 1
上一个结尾的值就存储在 dp[i - 1][j - 1]
的位置上。
因为本题中的 dp
数组的设计和 结尾 有关,所以不确定最终需要的结果存储在以什么为结尾的状态中,所以需要在循环中不断去更新结果。
4. 初始化
以为递推公式的缘故,本体中所有的初始化的目的都是填充第一行和第一列。
对于前移一位的方式来说,将第一行和第一列均初始化为 0 即可,因为 dp[0][j]
的含义是以 nums1[-1]
与 nums2[j]
为结尾的公共子序列的长度,而这些肯定为 0
。
但如果是没有前移的方式来说,就要手动对这两行进行初始化了,不过方法也很简单:
for (int i = 0; i < nums2.length; i++) {
if (nums2[i] == nums1[0]) {
dp[0][i] = 1;
res = 1;
}
}
for (int i = 0; i < nums1.length; i++) {
if (nums1[i] == nums2[0]) {
dp[i][0] = 1;
res = 1;
}
}
因为只有一个元素,所以最大的结果就是 1
,只需要查找另一个数组中是否含有这个元素即可。
nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
比如上面的这个输出,dp[0][j]
仅在 j == 3
时取得 1
,而 dp[i][0]
也是在 i == 3
的时候取得 1,时刻记住 dp
数组的含义就可以比较轻松的写出。
<3> 代码
不后移的版本
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length][nums2.length];
int res = 0;
for (int i = 0; i < nums2.length; i++) {
if (nums2[i] == nums1[0]) {
dp[0][i] = 1;
res = 1;
}
}
for (int i = 0; i < nums1.length; i++) {
if (nums1[i] == nums2[0]) {
dp[i][0] = 1;
res = 1;
}
}
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j < dp[0].length; j++) {
if (nums1[i] == nums2[j]) dp[i][j] += dp[i - 1][j - 1] + 1;
res = Math.max(dp[i][j], res);
}
}
return res;
}
}
后移版本
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int res1 = getRes(nums1, nums2);
int res2 = getRes(nums2, nums1);
return Math.max(res1, res2);
}
public int getRes(int[] nums1, int[] nums2) {
int res = 0;
int temp = 0;
for (int i = 0; i < nums1.length; i++) {
int k = i;
for (int j = 0; j < nums1.length - i && j < nums2.length; j++) {
if (nums1[k++] == nums2[j]) {
temp++;
res = Math.max(temp, res);
} else {
res = Math.max(temp, res);
temp = 0;
}
}
temp = 0;
}
return res;
}
}
02. 最长公共子序列(No. 1143)
<1> 题目
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
。
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。
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 。
示例 2:
输入:text1 = “abc”, text2 = “abc”
输出:3
解释:最长公共子序列是 “abc” ,它的长度为 3 。
示例 3:
输入:text1 = “abc”, text2 = “def”
输出:0
解释:两个字符串没有公共子序列,返回 0
提示:
1 <= text1.length, text2.length <= 1000
text1
和text2
仅由小写英文字符组成。
<2> 笔记
1. 状态
本题和上一题不同的是,本题中的公共子序列可以 不是连续的。
所以说本题的状态不是依赖 结尾,而是依赖于 长度 了,即当前 i
长度的字符串 A 和 j
长度的字符串 B 的最长公共子序列。
那这个状态能否转移呢?和上个题的转移思路相同
-
如果
text1.charAt(i) == text2.charAt(j)
,那此时的长度就是i - 1
的字符串和j - 1
的字符串的最长公共子序列再 加上一。 -
而对于不相等的情况,因为不再要求顺序,所以此时不会为 0,由前面的状态取一个最大值
- i - 1 和 j 的最大公共子序列
- i 和 j - 1 的最大公共子序列
- i - 1 和 j - 1 的最大公共子序列
因为第三种情况被前两种包括了,所以实际只需要取前面两种情况的最小值即可。
2. dp 数组
dp
数组的定义和前面相同,也分为后移和不后移的情况。
后移的情况:dp[i][j]
就是长度为 i - 1 的字符串 text1 和 长度为 j - 1 的字符串 text2 的最大公共子序列
不后移的情况:dp[i][j]
就是长度为 i 的字符串 text1 和 长度为 j 的字符串 text2 的最大公共子序列
3. 状态转移方程
这里讨论后移的情况,不后移的情况与这个完全相同,只是在初始化的时候要注意一下。
当 text1[i] == text2[j]
的时候
dp[i][j] = dp[i - 1][j - 1] + 1
即在前一个状态后加一。
对于不同的情况
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
4. 初始化
与上题相同,只需要初始化第一行和第一列即可:
对于后移的情况,全部初始化为 0 即可,和上题相同,第一行和第一列均没有意义
对于不后移的情况,本题就变为了长度为 1 字符串和另一个字符串的最大公共子序列:
boolean temp1 = false;
for (int i = 0; i < c2.length; i++) {
if (c1[0] == c2[i]) {
temp1 = true;
}
if (temp1) {
dp[0][i] = 1;
}
}
temp1 = false; // 复用
for (int i = 0; i < c1.length; i++) {
if (c1[i] == c2[0]) {
temp1 = true;
}
if (temp1) {
dp[i][0] = 1;
}
}
因为是长度为 1 的字符串和另一个字符串的公共子序列,所以最大值为 1,当找到第一个相等的字符后,后面的全部初始化为 1 即可。
<3> 代码
不后移
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
char[] c1 = text1.toCharArray();
char[] c2 = text2.toCharArray();
int[][] dp = new int[c1.length][c2.length];
boolean temp1 = false;
for (int i = 0; i < c2.length; i++) {
if (c1[0] == c2[i]) {
temp1 = true;
}
if (temp1) {
dp[0][i] = 1;
}
}
temp1 = false; // 复用
for (int i = 0; i < c1.length; i++) {
if (c1[i] == c2[0]) {
temp1 = true;
}
if (temp1) {
dp[i][0] = 1;
}
}
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j < dp[0].length; j++) {
if (c1[i] == c2[j]) 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[c1.length - 1][c2.length - 1];
}
}
后移
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
char[] c1 = text1.toCharArray();
char[] c2 = text2.toCharArray();
int[][] dp = new int[c1.length + 1][c2.length + 1];
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j < dp[0].length; j++) {
if (c1[i - 1] == c2[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[c1.length][c2.length];
}
}
03. 不相交的线(No. 1035)
<1> 题目
在两条独立的水平线上按给定的顺序写下 nums1
和 nums2
中的整数。
现在,可以绘制一些连接两个数字 nums1[i]
和 nums2[j]
的直线,这些直线需要同时满足:
nums1[i] == nums2[j]
- 且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
示例 1:
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/e33051eb3dbd43efa5f959902a30f05c.png)
输入:nums1 = [1,4,2], nums2 = [1,2,4]
输出:2
解释:可以画出两条不交叉的线,如上图所示。
但无法画出第三条不相交的直线,因为从 nums1[1]=4 到 nums2[2]=4 的直线将与从 nums1[2]=2 到 nums2[1]=2 的直线相交。
示例 2:
输入:nums1 = [2,5,1,2,5], nums2 = [10,5,2,1,5,2]
输出:3
示例 3:
输入:nums1 = [1,3,7,1,7,5], nums2 = [1,9,2,5,1]
输出:2
提示:
1 <= nums1.length, nums2.length <= 500
1 <= nums1[i], nums2[j] <= 2000
<2> 题解
1. 状态
当两个节点连接起来后,因为连线之间不能相交的性质,可以取得的部分就发生了转变。
比如说上图,当两个节点连接起来之后,可以选取的范围就变成了红色的部分,红色部分的状态是由蓝色部分的推导出来的。
题目中问的是最多的连线是数目是多少,而且同时要考虑到记录当前范围,所以本题中的状态就是长度为 i 的 数组1 和长度为 j 的 数组2 它们的最大连线数目是多少。
再来思考这个状态能否转移呢?比如上面的图片nums1[2] == nums[2]
,那它们之间就可以形成连线,最优解则依赖于下图中粉色的部分,在粉色部分连线数量最大的情况上加一就是这个节点的最优解。
如果不相等的话,回顾一下状态:长度为 i 的 数组 1 和长度为 j 的 数组 2 它们的最大连线数目是多少。
那此时的值就是长度为 i - 1 和长度为 j 的最大连线数目,以及长度为 i 和长度为 j - 1 的最大连线数目,还有就是 i - 1 以及 j - 1 的最大连线数目中的最大值,和上一题完全相同。
2. dp 数组的含义
dp[i][j]
就是长度为 i - 1
的 nums1 和 长度为 j - 1
的 nums2 的最大连线数目,这里就直接采用后移的方式来初始化了。
3. 递推公式
当 nums1[i] == nums[j]
的时候dp[i][j] = dp[i - 1][j - 1] + 1
此时的最多连线数目依赖于 dp[i - 1][j - 1]
的最多连线数目。
另外,当不相等的时候,dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1])
也就是前一段的最大值。
本题和上一题几乎是完全相同,转换一下 dp
数组的含义就可以很轻松的解答。
<3> 代码
class Solution {
public int maxUncrossedLines(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
for (int i = 1; i < dp.length; i++) {
for (int j = 1; j < dp[0].length; j++) {
if (nums1[i - 1] == nums2[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[nums1.length][nums2.length];
}
}
04. 最大子数组和(No. 53)
<1> 题目
给你一个整数数组 nums
,请你找出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。
子数组是数组中的一个连续部分。
示例 1:
输入:nums = [-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 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [5,4,-1,7,8]
输出:23
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
<2> 题解
1. 状态
又是一个关于子数组的题目,子数组也就代表着连续,这样就代表着状态中必须包含以什么为 结尾。
所以本题中的状态就可以初步确定为以 nums[i]
为结尾的数组的最大的总和。
2. dp 数组的定义
dp[i]
就是以 nums[i]
为结尾的数组的最大总和。
3. 递推公式
对于一个 nums[i]
因为限制必须以它结尾,所以仅有两种情况,接着前面的继续取和从这个节点开始取,其中取一个最大值即可
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
然后因为最终的结果不一定以什么为结尾,所以每次要进行比较
count = Math.max(dp[i], count);
最后直接返回 count
即可
4. 初始化
只需要初始化 dp[0]
即可,回顾一下数组的定义:以 nums[i]
为结尾的数组的最大的总和。
那 dp[0]
就是以 nums[0]
结尾的总和,那就是 nums[0]
了。
然后记得将 count 也初始化为 dp[0]
就行了。
<3> 代码
class Solution {
public int maxSubArray(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
int count = dp[0];
for (int i = 1; i < nums.length; i++) {
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
count = Math.max(dp[i], count);
}
return count;
}
}