1143. Longest Common Subsequence
题目链接:1143. Longest Common Subsequence
思路链接:代码随想录动态规划-最长公共子序列
思路
这题自己做出来了,主要是通过手推dp数组的方法,但是做完之后对于递推公式代表的意义不太明白
- 确定dp数组:到text1的第i - 1个元素以及到text2到第j - 1个元素时,最长的公共子序列长度为dp[i][j]
- 递推公式: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。 - 初始化数组,通过手写dp数组,很容易可以看出下标为0时无意义,都为0
- 遍历顺序,从左到右
- 打印数组
Code
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
// 1. 确定dp数组
// 到text1的第i - 1个元素以及到text2到第j - 1个元素时,最长的公共子序列长度为dp[i][j]
int[][] dp = new int[text1.length() + 1][text2.length() + 1];
// 2. 递推公式
// 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。
// if (text1Arr[i - 1] == text2Arr[j - 1]) {
// dp[i][j] = dp[i - 1][j - 1] + 1;
// } else {
// dp[i][j] = Math.max(dp[i][j - 1], dp[i - 1][j]);
// }
// 3. 初始化数组
// 都为0
// 4. 遍历顺序
for (int j = 1; j < text2.length() + 1; j++) {
for (int i = 1; i < text1.length() + 1; i++) {
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][j - 1], dp[i - 1][j]);
}
}
// 5. 打印数组
// for (int[] row : dp) {
// for (int item : row) {
// System.out.print(item + " ");
// }
// System.out.println();
// }
// System.out.println();
}
return dp[text1.length()][text2.length()];
}
}
1035. Uncrossed Lines
题目链接:1035. Uncrossed Lines
思路链接:代码随想录动态规划-不向交的线
思路
这道题和上题一模一样,可以直接转化为求最长的公共子序列。
Code
class Solution {
public int maxUncrossedLines(int[] nums1, int[] nums2) {
// 1. 定义dp数组
// 子序列nums1[0, i - 1]和子序列nums2[0, j - 1]最多能划dp[i][j]根线
// 就是求最大的公共子序列长度
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
// 2. 递推公式
// 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]);
// }
// 3. 数组初始化
// 都是0
// 4. 遍历顺序
int index = 1;
int result = 0;
for (int i = 1; i < nums1.length + 1; i++) {
for (int j = 1; j < nums2.length + 1; 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]);
}
}
}
// 5. 打印数组
// for (int[] row : dp) {
// for (int item : row) {
// System.out.print(item + " ");
// }
// System.out.println();
// }
return dp[nums1.length][nums2.length];
}
}
53. Maximum Subarray
题目链接:53. Maximum Subarray
思路链接:代码随想录动态规划-最大子序和
思路
注意递推公式,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
在这两者之间取最大值
这里要返回的不是dp数组最后一个值,要返回整个数组的最大值
Code
class Solution {
public int maxSubArray(int[] nums) {
// 1. 定义dp数组
// 到第i个元素时之前的连续子序列最大和为dp[i]
int[] dp = new int[nums.length];
// 2. 递推公式
// dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
// 3. 初始化数组
dp[0] = nums[0];
// 4. 遍历顺序
int result = nums[0];
for (int i = 1; i < nums.length; i++) {
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
if (result < dp[i]) result = dp[i];
// 5. 打印数组
// for (int item : dp) {
// System.out.print(item + " ");
// }
// System.out.println(result);
}
return result;
}
}