Lintcode--007(不同的子序列)
题目:http://www.lintcode.com/zh-cn/problem/distinct-subsequences/
2016-08-25
给出字符串S和字符串T,计算S的不同的子序列中T出现的个数。
子序列字符串是原始字符串通过删除一些(或零个)产生的一个新的字符串,并且对剩下的字符的相对位置没有影响。(比如,“ACE”是“ABCDE”的子序列字符串,而“AEC”不是)。
给出S = "rabbbit", T = "rabbit"
返回 3.
标签
解题:
分析:
一般来说,如果题目里面给出两个字符串,基本是两种思路,一种就是递归判断,一种就是动态规划。这里我们可以用 f[i,j] 表示S中前i个字符串中,T的前j个字符出现的次数。
比较 S[i-1] 是否等于 T[j-1]:
(1)如果不相等: f[i,j] = f[i-1,j] ;
(2)如果相等:f[i,j] = f[i-1,j]+f[i-1,j-1];
可以看到,i的状态只与i-1有关,于是可以用滚动数组来进行优化。
总结:像这类动态规划题目,都是设法找到子问题的解,然后进行归纳递推。具体的,比如5,6,7三个题目。
a. 先设置一个子问题:前i个字符组成的字符串,和前j个字符组成的字符串,它的解为p[i][j];
b. 然后考虑这个解与p[i-1,j-1],p[i,j-1],p[i-1,j] 的关系。一般就是通过比较前最后两个字符是否相等来归纳,写出问题解的表达式。
c. 求出初始值,剩下的计算,交给计算机好了。
代码如下:
class Solution { public: /*** @param S, T: Two string.* @return: Count the number of distinct subsequences*/int numDistinct(string &S, string &T) {// write your code here//动态规划问题,主要还是熟悉动态规划的解题模式。//注意初始值设置要正确,边界要完整。int Slen=S.length();int Tlen=T.length();int dp[Slen+1][Tlen+1];dp[0][0]=1;for(int i=1;i<Slen+1;i++){dp[i][0]=1;}for(int j=1;j<Tlen+1;j++){dp[0][j]=0;}for(int i=0;i<Slen;i++){for(int j=0;j<Tlen;j++){if(S[i]!=T[j]){dp[i+1][j+1]=dp[i][j+1];}else{dp[i+1][j+1]=dp[i][j]+dp[i][j+1];}}}return dp[Slen][Tlen];} };
附:优化代码
转自:http://blog.csdn.net/wangyuquanliuli/article/details/45830879
class Solution { public: /** * @param S, T: Two string. * @return: Count the number of distinct subsequences */ int numDistinct(string &S, string &T) { // write your code here vector<int> dp(T.length()+1); dp[0] = 1; for(int i=1;i<=S.length();i++) { for(int j=T.length();j>0;j--) dp[j] += T[j-1]==S[i-1]?dp[j-1]:0; } return dp[T.length()]; } };
滚动数组:
转自:http://blog.csdn.net/niushuai666/article/details/6677982
滚动数组的作用在于优化空间,主要应用在递推或动态规划中(如01背包问题)。因为DP(动态规划)题目是一个自底向上的扩展过程,我们常常需要用到的是连续的解,前面的解往往可以舍去。所以用滚动数组优化是很有效的。利用滚动数组的话在N很大的情况下可以达到压缩存储的作用。
一个简单的例子:
斐波那契数列:
一般代码:
#include<iostream> #include<cstdio> using namespace std; int Fib[25];int fib(int n) {Fib[0] = 0;Fib[1] = 1;Fib[2] = 1;for(int i = 3; i <= n; ++i)Fib[i] = Fib[i - 1] + Fib[i - 2];return Fib[n]; }int main() {int ncase, n, ans;scanf("%d", &ncase);while(ncase--){scanf("%d", &n);ans = fib(n);printf("%d\n", ans);}return 0; }
利用滚动数组优化后代码为:
大家熟悉的斐波那契数列,f(n) =f(n-1) +f(n-2),如果要求解f(1000),是不需要申请1000个大小的数组的,使用滚动数组只需申请3个空间f[3]就可以完成任务。
#include<cstdio> using namespace std; int Fib[3];int fib(int n) {Fib[1] = 0; Fib[2] = 1;for(int i = 2; i <= n; ++i){//这里实现滚动;Fib[0] = Fib[1]; Fib[1] = Fib[2];Fib[2] = Fib[0] + Fib[1];}return Fib[2]; }int main() {int ncase, n, ans;scanf("%d", &ncase);while(ncase--){scanf("%d", &n);ans = fib(n);printf("%d\n", ans);}return 0; }
所谓滚动数组,目的在于优化空间,状态转移矩阵使用的是一个N*V的数组,在求解的过程中,我们可以发现,当前状态只与前一状态 的解有关,那么之前存储的状态信息已经无用了,可以舍弃的,我们只需要空间存储当前的状态和前一状态,所以只需使用2*V的空间,循环滚动使用,就可以达 到跟N*V一样的效果。这是一个非常大的空间优化。
滚动数组实际是一种节省空间的办法,时间上没啥优势,多用于DP中,举个例子吧:
一个DP,平常如果需要1000×1000的空间,其实根据DP的无后效性,可以开成2×1000,然后通过滚动,获得和1000×1000一样的效果。 滚动数组常用于DP之中,在DP过程中,我们在由一个状态转向另一个状态时,很可能之前存储的某些状态信息就已经无用了,例如在01背包问题中,从理解角 度讲我们应开DP[i][j]的二维数组,第一维我们存处理到第几个物品,也就是阶段了,第二维存储容量,但是我们获得DP[i],只需使用DP[i - 1]的信息,DP[i - k],k>1都成了无用空间,因此我们可以将数组开成一维就行,迭代更新数组中内容,滚动数组也是这个原理,目的也一样,不过这时候的问题常常是不 可能缩成一维的了,比如一个DP[i][j]需要由DP[i - 1 ][k],DP[i - 2][k]决定,i<n,0<k<=10;n <= 100000000;显然缩不成一维,正常我们应该开一个DP[100000005][11]的数组,结果很明显,超内存,其实我们只要开DP[3] [11]就够了DP[i%3][j]由DP[(i - 1)%3][k]和DP[(i - 2)%3][k]决定,空间复杂度差别巨大。
Lintcode--007(不同的子序列)相关推荐
- [LintCode] 最长上升子序列
动态规划: lis[i] = max_{j = 0, 1, ..., i - 1, nums[j] < nums[i]} lis[j] + 1 1 class Solution { 2 publ ...
- lintcode 最长上升连续子序列 II(二维最长上升连续序列)
题目链接:http://www.lintcode.com/zh-cn/problem/longest-increasing-continuous-subsequence-ii/ 最长上升连续子序列 I ...
- LintCode 1210. 升序子序列(DFS)
1. 题目 给定一个整数数组,找到所有不同的可能的升序子序列,一个升序子序列的长度至少应为2. 例1: 输入: [4,6,7,7] 输出: [[4,6],[4,6,7],[4,6,7,7],[4,7] ...
- lintcode 734. 形式为a^i b^j c^k的子序列数量 题解
描述 给一字符串, 对形式为 a^i b^j c^k 的子序列进行计数, 即它由 i 个字符 a, 接着是 j 个字符 b, 然后是 k 个字符 c组成, i >= 1, j >= 1, ...
- 动态规划法求最大字段和时间复杂度_九章算法 | 动态规划:最长上升子序列
给定一个整数序列,找到最长上升子序列(LIS),返回LIS的长度. 在线评测地址:LintCode 领扣 说明 最长上升子序列的定义: 最长上升子序列问题是在一个无序的给定序列中找到一个尽可能长的由低 ...
- 牛客网【每日一题】4月24日 子序列
链接: 时间限制:C/C++ 1秒,其他语言2秒 空间限制:C/C++ 262144K,其他语言524288K 64bit IO Format:%lld 题目描述 小美有一个由n个元素组成的序列{a1 ...
- 【LintCode题集】Q6、Q64
最近开始刷LintCode上的题目,先从标签为容易的开始刷.今天刷的这两题目差不多为同一类型的题目,都是为按照一定的规则合并两个已经有序的数组. [Q6] 描述: 合并两个排序的整数数组A和B变成一个 ...
- LintCode解题目录
看见 LintCode 的代码能力测试CAT(Coding Ability Test)挺好,有倒计时,挺有面试紧迫感.做个记录. 另有本人 LeetCode解题目录.<程序员面试金典>解题 ...
- lintcode-76-最长上升子序列
76-最长上升子序列 给定一个整数序列,找到最长上升子序列(LIS),返回LIS的长度. 说明 最长上升子序列的定义: 最长上升子序列问题是在一个无序的给定序列中找到一个尽可能长的由低到高排列的子序列 ...
- 【Lintcode】1645. Least Subsequences
题目地址: https://www.lintcode.com/problem/1645/ 给定一个长nnn的数组AAA,问AAA最少能分解为多少个严格递减的子序列之并. 在AAA上定义偏序关系< ...
最新文章
- (python)Graph_tools模块学习
- “乞讨者”王小波与“怪物”巴尔扎克
- fiddler发送post请求
- (原创)javascript进阶(三)
- Repeater使用方法---基础数据绑定+多级嵌套
- supersocket缓冲区_SuperSocket基础二
- minidump详细介绍
- 像素图片转矢量图片——从图像中提取曲线信息
- 凛冬之翼---php写入数据库时汉字全部变为空白
- C语言之i++,++i,i--,--i
- 小米5s plus 刷机 国际版
- 教你如何提高信用额度
- 【技术邻】Icepak前处理 功能速览 | 技巧+应用
- Transform.RotateAround 围绕旋转
- 如何正确地提出热处理工艺
- 基于SSH开发网上零食销售系统的设计与实现
- ThinkPad X260 UEFI安装 win7 64位 方法
- Python:从0到1销售预测建模
- Java练习使用ActionListener
- vue + elementui + axios表单数据和文件上传
热门文章
- C语言1379最小公倍数,求最小公倍数的三种方法
- java 弹幕游戏_java弹幕小游戏1.0版本
- python正则库安装_python中正则表达式regex库的使用
- batch normalization的原理和作用_【推荐算法】Deep amp; Cross Network模型原理和实践...
- 计算机网络运输层两种服务,计算机网络体系结构及协议之运输层
- go语言项目目录文件的管理样式
- JS实现键盘事件上下翻页
- mysql所选路径已经存在_5分钟安装好MySQL数据库(建议收藏)
- 泛函密度 matlab,【讨论】密度泛函理论中“密度”究竟指什么 - 计算模拟 - 小木虫 - 学术 科研 互动社区...
- android ndk opencv 3,opencv_and_opencv_contrib