《dp补卡——子序列问题》
目录
- 300. 最长递增子序列
- 674. 最长连续递增序列
- 718. 最长重复子数组
- 1143. 最长公共子序列
- 53. 最大子序和
- 392. 判断子序列
- 115. 不同的子序列
- 583. 两个字符串的删除操作
- 72. 编辑距离
- 647. 回文子串 （与 5.最长回文子串思路差不多）
- 516. 最长回文子序列
300. 最长递增子序列
step1:dp[i]:下标<=i的最长子序列长度。即以 nums[i] 结尾 的「上升子序列」的长度，注意以nums[nums.size()-1]结尾的上升子序列长度并不一定是全局最优值，所以要从dp[i]中找到最大值。
step2:状态转移方程：
if(nums[i] > nums[j]) dp[i] = max(dp[i],dp[j]+1); //取得dp[j]+1中最大的那个值作为dp[i]
step3:初始化
每一个i，至少都是1.
step4:遍历顺序，从前向后遍历。
class Solution {public:int lengthOfLIS(vector<int>& nums) {int n = nums.size();vector<int> dp(n,1);int result = 1;for(int i = 0; i < n; i++){int j_maxlen = 1;for(int j = 0; j < i; j++){if(nums[i] > nums[j])j_maxlen = max(j_maxlen,dp[j]+1);}dp[i] = j_maxlen;if(dp[i] > result) result = dp[i];}return result;}
};
674. 最长连续递增序列
简单题，迅速AC。不过这个是贪心的思路。
class Solution {public:int findLengthOfLCIS(vector<int>& nums) {int n = nums.size();if(n == 0) return 0;int len=1;int maxlen =1;for(int i = 1; i < n; i++){if(nums[i] > nums[i-1]){len+=1;}elselen = 1;maxlen = max(maxlen,len);}return maxlen;}
};
下面使用dp思路：
step1：dp[i]以下标为i结尾的数组连续递增的子序列长度为dp[i]
step2: 如果nums[i+1] > nums[i]，那么以i+1结尾的连续递增的子序列长度一定等于以i结尾的数组的连续递增的子序列长度+1
即dp[i+1] = dp[i] + 1
否则，dp不进行赋值,同时需要注意以nums.size()-1结尾的连续递增子序列长度不一定为全局最优值。
class Solution {public:int findLengthOfLCIS(vector<int>& nums) {int n = nums.size();if(n == 0) return 0;vector<int> dp(n,1);int result = 1;for(int i = 1; i < n; i++){if(nums[i] > nums[i-1]){dp[i] = dp[i-1] + 1;}result = max(result,dp[i]);}return result;}
};
718. 最长重复子数组
class Solution {public:int findLength(vector<int>& nums1, vector<int>& nums2) {int len1 = nums1.size();int len2 = nums2.size();vector<vector<int>> dp(len1,vector<int>(len2,0));int result = 0;for(int i = 0; i < len1; i++){for(int j = 0; j < len2; j++){if(nums1[i] == nums2[j]){if(i == 0 || j == 0){dp[i][j] = 1;}elsedp[i][j] = dp[i-1][j-1]+1;}result = max(result,dp[i][j]);}}return result;}
};
1143. 最长公共子序列
这里不要求子序列是连续的，但是要相对有顺序。
step1:
dp[i][j]:长度为[0,i]的字符串text1与长度为[0,j]的字符串text2的最长公共子序列长度
step2：
if(text1[i] == text[j])
{//找到了一个公共元素dp[i][j] = dp[i-1][j-1]+1;
}
else
{//没有找到公共元素，就选择dp[i-1][j]与dp[i][j-1]中最大的dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
}
step3:初始化比较麻烦。
for(int i = 0; i < len1; i++)
{if( (i >= 1 && dp[i-1][0] == 1 ) || (text1[i] == text2[0]) ) dp[i][0] = 1;
}
for(int j = 0; j < len2; j++)
{if( (j >= 1 && dp[0][j-1] == 1 ) || (text2[j] == text1[0]) ) dp[0][j] = 1;
}
AC代码：
class Solution {public:int longestCommonSubsequence(string text1, string text2) {int len1 = text1.size();int len2 = text2.size();vector<vector<int>> dp(len1,vector<int>(len2,0));int maxlen = 0;//初始化for(int i = 0; i < len1; i++){if( (i >= 1 && dp[i-1][0] == 1 ) || (text1[i] == text2[0]) ) dp[i][0] = 1;}for(int j = 0; j < len2; j++){if( (j >= 1 && dp[0][j-1] == 1 ) || (text2[j] == text1[0]) ) dp[0][j] = 1;}//状态转移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] = max(dp[i-1][j],dp[i][j-1]);}}return dp[len1-1][len2-1];}
};
53. 最大子序和
step1:
dp[i],下标<=i的最大和。
step2:
if(dp[i-1] >= 0) dp[i] = dp[i-1] + nums[i];
else dp[i] = nums[i];
step3:
dp[0] = nums[0]
AC代码：
class Solution {public:int maxSubArray(vector<int>& nums) {vector<int> dp(nums.size(),0);dp[0] = nums[0];int maxsum = dp[0];for(int i = 1; i < nums.size(); i++){if(dp[i-1] >= 0) dp[i] = dp[i-1] + nums[i];else dp[i] = nums[i];maxsum = max(maxsum,dp[i]);}return maxsum;}
};
392. 判断子序列
这一题与1143. 最长公共子序列基本是一个题目，不过需要加入一些边界输入判断，如果最长公共子序列长度等于短序列的长度就认为是子序列。
当然更加精准来说，两者的状态转移方程不同。
if (s[i] != t[j])， 说明此时长序列t要删除元素，把t[j]删除，则dp[i][j]则是s[i]与t[j-1]相比较了。
if(s[i] == t[j])，说明此时结果为dp[i][j]+1
至于为什么if (s[i] != t[j])，不能是从dp[i-1][j]推导得到，这是因为，dp[i-1][j]相当于是短序列删除元素s[i]从而与长序列保持一致。而题目中短序列是不能删除元素的。
|
图1 最长公共子序列
|
图2 判断子序列
|
class Solution {public:bool isSubsequence(string text1, string text2) {int len1 = text1.size();int len2 = text2.size();if(len1 == 0) return true;if(len2 < len1) return false;vector<vector<int>> dp(len1,vector<int>(len2,0));int maxlen = 0;//初始化for(int i = 0; i < len1; i++){if( (i >= 1 && dp[i-1][0] == 1 ) || (text1[i] == text2[0]) ) dp[i][0] = 1;}for(int j = 0; j < len2; j++){if( (j >= 1 && dp[0][j-1] == 1 ) || (text2[j] == text1[0]) ) dp[0][j] = 1;}//状态转移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] = dp[i][j-1];}}return dp[len1-1][len2-1] == len1;}
};
115. 不同的子序列
step1：dp[i][j]:以i为结尾的s序列中出现以j结尾的t子序列的个数。
step2：
分析两种情况：
case1：s[i] 等于 t[j]
此时dp[i][j]由两部分组成：
一部分是用s[i]匹配，则dp[i][j] = dp[i-1][j-1]
一部分不用s[i]匹配，则dp[i][j] = dp[i-1][j]
如： s：bagg 和 t：bag ，s[3] 和 t[2]是相同的，但是字符串s也可以不用s[3]来匹配，即用s[0]s[1]s[2]组成的bag。
所以：
dp[i][j] = dp[i-1][j-1] + dp[i-1][j];
case2：s[i] 不等于 t[j]
此时，dp[i][j]只能由dp[i-1][j]推导来
即：dp[i][j] = dp[i-1][j]
step3:
我们已经直到状态由dp[i-1][j] 或者 dp[i-1][j-1]
所以dp[i][0] 和 dp[0][j]都一定要初始化。
dp[i][0]：代表以下标i结尾的s序列出现以下标0为结尾的子序列个数。
int times = 0;
for(int i = 0; i < len1; i++)
{if(s[i] == t[0]) times++;dp[i][0] = times;
}
dp[0][j]: 代表以下标0结尾的s序列出现以下标j为结尾的子序列个数。
if(s[0] == t[0]) dp[0][0] = 1;
其他情况均为0.
需要注意的地方：由于dp内存的数目过大，需要用long long
,并且对与求和的结果，需要对INT_MAX取模不然会溢出.
class Solution {public:int numDistinct(string s, string t) {int len1 = s.size();int len2 = t.size();if(len2 > len1) return 0;vector<vector<long long>> dp(len1,vector<long long>(len2,0));//初始化int times = 0;for(int i = 0; i < len1; i++){if(s[i] == t[0]) times++;dp[i][0] = times;}//递推for(int i = 1; i < len1; i++){for(int j = 1; j < len2; j++){if(s[i] == t[j])dp[i][j] = (dp[i-1][j-1] + dp[i-1][j])%INT_MAX;elsedp[i][j] = dp[i-1][j];}}return dp[len1-1][len2-1];}
};
583. 两个字符串的删除操作
这一题，和上一题类似，不过状态转移的时候需要多考虑一点点。
还有就是dp数组定义与上面有点区别，这样对于初始化的时候稍微简便了。
step1:dp[i][j]：以i-1为结尾的字符串word1与以j-1为结尾的字符串word2，想要达到相等，所需要删除元素的最少次数。
step2：
分为两个情况：
case1:word1[i-1]与word2[j-1]相同的时候
此时dp[i][j] = dp[i-1][j-1]
case2:word1[i-1]与word2[j-1]相同的时候
此时存在三个子情况：
- case1：删除word1[i-1]后，有相等机会，此时
dp[i][j] = dp[i-1][j] + 1 - case2：删除word2[j-1]后，有相等机会，此时
dp[i][j] = dp[i][j-1] + 1 - case3：同时删除word1[i-1]与word2[j-1]，有相等机会，此时
dp[i][j] = dp[i-1][j-1] + 2
所以此时有
dp[i][j] = min{dp[i-1][j]+1,dp[i][j-1]+1,dp[i-1][j-1]+2};
step3:
关于初始化，分为dp[i][0]与dp[0][j]
dp[i][0]:word2为空字符串，以i-1结尾的字符串word1要删除i个元素，才能与word2相同。所以
dp[i][0] = i
dp[0][j]:word1为空字符串，以j-1结尾的字符串word2要删除j个元素，才能与word1相同。所以
dp[0][j] = j
AC代码：
class Solution {public:int minDistance(string word1, string word2) {int len1 = word1.size();int len2 = word2.size();vector<vector<int>> dp(len1+1,vector<int>(len2+1,0));//初始化for(int i = 0; i <= len1; i++)dp[i][0] = i;for(int j = 0; j <= len2; j++)dp[0][j] = j;for(int i = 1; i <= len1; i++){for(int j = 1; j <= len2; j++){if(word1[i-1] == word2[j-1])dp[i][j] = dp[i-1][j-1];elsedp[i][j] =min(dp[i-1][j-1]+2 , min(dp[i-1][j],dp[i][j-1]) + 1);}}return dp[len1][len2];}
};
72. 编辑距离
step1:dp[i][j]表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]
step2:递推公式
仍然分为两种情况：
word1[i-1] == word2[j-1]，此时不需要操作，dp[i][j] = dp[i-1][j-1]
word1[i-1] != word2[j-1]，此时进行增、删、换
- case1：word1增加一个元素，使得word1[i-1]与word2[j-1]相同，此时
dp[i][j] = dp[i-1][j]+1 - case2：word1删除一个元素（等同于word2增加一个元素），使得word1[i-1]与word2[j-1]相同，此时
dp[i][j] = dp[i][j-1]+1 - case3：替换元素，word1替换word1[i-1]，使得word1[i-1]与word2[j-1]相同，此时
dp[i][j] = dp[i-1][j-1]+1
所以递推公式如下:
if(word1[i-1] == word2[j-1])dp[i][j] = dp[i-1][j-1];
elsedp[i][j] = min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]))+1;
step3：初始化
需要初始化dp[i][0] 和 dp[0][j]
dp[i][0]：下标为i-1结尾的字符串word1和空字符串word2的最近距离，此时dp[i][0] = i
同理dp[0][j] =j
class Solution {public:int minDistance(string word1, string word2) {int len1 = word1.size();int len2 = word2.size();vector<vector<int>> dp(len1+1,vector<int>(len2+1,0));//初始化for(int i = 0; i <= len1; i++)dp[i][0] = i;for(int j = 0; j <= len2; j++)dp[0][j] = j;//开始递推for(int i = 1; i <= len1; i++){for(int j = 1; j <= len2; j++){if(word1[i-1] == word2[j-1])dp[i][j] = dp[i-1][j-1];else dp[i][j] = min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1])) + 1;}}return dp[len1][len2];}
};
647. 回文子串 （与 5.最长回文子串思路差不多）
step1：dp[i][j]，下标在[i,j]之间的字符串中是否为回文子串
step2：递推公式
if(s[i] == s[j])
- case1 :下标i==j，说明是同一个字符，为true
- case2 ：下标i与j相差等于1，为true
- case3 ：下标i与j相差大于1，看[i+1,j-1]区间是否为true
if(s[i] == s[j])
{if( (j-i <= 1) || dp[i+1][j-1] == true ){result++;dp[i][j] = true;}
}
if(s[i] != s[j]) dp[i][j] = false
step3:初始化
dp[i][j]初始化为false
step4：遍历顺序
在递推公式可以看出，case3是根据dp[i+1][j-1]推导出来的。所以不能从上到小、从左到右遍历。
要从下到上，从左到右遍历，保证dp[i+1][j-1]在dp[i][j]之前运算。
for(int i = s.size() - 1; i >= 0; i--)
{for(int j = i; j < s.size(); j++){ }
}
注意，回顾dp[i][j]数组定义：下标在[i,j]之间的字符串中是否为回文子串，所以j必定>=i。
AC代码：
class Solution {public:int countSubstrings(string s) {int len = s.size();vector<vector<bool>> dp(len,vector<bool>(len,false));int result = 0;for(int i = len - 1; i >= 0; i--){for(int j = i; j < len; j++){if(s[i] == s[j]){if( j - i <= 1 || dp[i+1][j-1] == true){result++;dp[i][j] = true;}}}}return result;}
};
516. 最长回文子序列
step1:dp[i][j]：下标在[i,j]内的最长回文子序列的长度为dp[i][j]
step2:
如果s[i] == s[j]那么dp[i][j] = dp[i+1][j-1] + 2;
如果s[i] != s[j],说明s[i] 和 s[j]的同时加入并不能增加[i,j]区间的长度，那么分别加入s[i]、s[j]看看哪个可以组成最长回文子序列。
加入s[j]的回文子序列长度为dp[i+1][j]
加入s[i]的回文子序列长度为dp[i]][j-1]
dp[i][j] = max(dp[i+1][j],dp[i][j-1]);
step3:初始化
初始为0。当i==j时，该字符串为单个字符，回文子序列长度为1，即dp[i][j] = 1
step4:遍历顺序
依靠dp[i+1][j-1]、dp[i+1][j]、dp[i][j-1]，所以遍历i从下到上。j从左到右。
根据dp数组定义：下标在[i,j]内的最长回文子序列的长度为dp[i][j]
所以j>=i。
class Solution {public:int longestPalindromeSubseq(string s) {int len = s.size();vector<vector<int>> dp(len,vector<int>(len,0));for(int i = 0; i < len; i++) dp[i][i] = 1;for(int i = len - 1; i >= 0; i--){for(int j = i + 1; j < len; j++){if(s[i] == s[j]) dp[i][j] = dp[i+1][j-1] + 2;else dp[i][j] = max(dp[i+1][j],dp[i][j-1]);}}return dp[0][len-1];}
};
《dp补卡——子序列问题》相关推荐
- ComeFuture英伽学院——2020年 全国大学生英语竞赛【C类初赛真题解析】(持续更新)
视频:ComeFuture英伽学院--2019年 全国大学生英语竞赛[C类初赛真题解析]大小作文--详细解析 课件:[课件]2019年大学生英语竞赛C类初赛.pdf 视频:2020年全国大学生英语竞赛 ...
- ComeFuture英伽学院——2019年 全国大学生英语竞赛【C类初赛真题解析】大小作文——详细解析
视频:ComeFuture英伽学院--2019年 全国大学生英语竞赛[C类初赛真题解析]大小作文--详细解析 课件:[课件]2019年大学生英语竞赛C类初赛.pdf 视频:2020年全国大学生英语竞赛 ...
- 信息学奥赛真题解析（玩具谜题）
玩具谜题(2016年信息学奥赛提高组真题) 题目描述 小南有一套可爱的玩具小人, 它们各有不同的职业.有一天, 这些玩具小人把小南的眼镜藏了起来.小南发现玩具小人们围成了一个圈,它们有的面朝圈内,有的 ...
- 信息学奥赛之初赛 第1轮 讲解（01-08课）
信息学奥赛之初赛讲解 01 计算机概述 系统基本结构 信息学奥赛之初赛讲解 01 计算机概述 系统基本结构_哔哩哔哩_bilibili 信息学奥赛之初赛讲解 02 软件系统 计算机语言 进制转换 信息 ...
- 信息学奥赛一本通习题答案（五）
最近在给小学生做C++的入门培训,用的教程是信息学奥赛一本通,刷题网址 http://ybt.ssoier.cn:8088/index.php 现将部分习题的答案放在博客上,希望能给其他有需要的人带来 ...
- 信息学奥赛一本通习题答案（三）
最近在给小学生做C++的入门培训,用的教程是信息学奥赛一本通,刷题网址 http://ybt.ssoier.cn:8088/index.php 现将部分习题的答案放在博客上,希望能给其他有需要的人带来 ...
- 信息学奥赛一本通 提高篇 第六部分 数学基础 相关的真题
第1章 快速幂 1875:[13NOIP提高组]转圈游戏 信息学奥赛一本通(C++版)在线评测系统 第2 章 素数 第 3 章 约数 第 4 章 同余问题 第 5 章 矩阵乘法 第 6 章 ...
- 信息学奥赛一本通题目代码（非题库）
为了完善自己学c++,很多人都去读相关文献,就比如<信息学奥赛一本通>,可又对题目无从下手,从今天开始,我将把书上的题目一 一的解析下来,可以做参考,如果有错,可以告诉我,将在下次解析里重 ...
- 信息学奥赛一本通（C++版） 刷题 记录
总目录详见:https://blog.csdn.net/mrcrack/article/details/86501716 信息学奥赛一本通(C++版) 刷题 记录 http://ybt.ssoier. ...
- 最近公共祖先三种算法详解 + 模板题 建议新手收藏 例题： 信息学奥赛一本通 祖孙询问 距离
首先什么是最近公共祖先?? 如图:红色节点的祖先为红色的1, 2, 3. 绿色节点的祖先为绿色的1, 2, 3, 4. 他们的最近公共祖先即他们最先相交的地方,如在上图中黄色的点就是他们的最近公共祖先 ...
最新文章
- Anaconda安装jieba方法
- 将字符串型转换为整形
- Python基础教程：自定义迭代器
- 【IT笔试面试题整理】堆栈和队列
- HTML中点击div旋转,html – 180度旋转的div只能从一侧点击
- linux c 语言 errno 我个头,Linux错误代码：errno.h与返回值 -EINVAL
- Vijos CoVH之再破难关(搜索+hash)
- 【linux】sed -e 's/-//g'
- 2的10次方-1的python表达式_第1章 语言处理与Python
- linux中的环境变量作用
- APP测试和web测试有什么区别？
- 桥本分数式c语言,《算法设计与分析教案(新格式)》.doc
- english 后缀
- java实现别踩白块儿,jQuery实现别踩白块儿网页版小游戏
- 磁盘的组成、MBR、GPT
- Volatility3内存取证工具使用详解
- 南京申瓯SOC1000-UC IPPBX为中小企业提供电话系统解决方案
- Unity 特效：Particle System（粒子系统）
- 清华胡宇迪教授谈关于爱情、关于伴侣、关于承诺、关于人生、关于友情、关于微笑、关于生活、关于幸福...
- 小米科学计算机怎么用,小米计算器怎么用 小米计算器app使用方法