研习代码 day47 | 动态规划——子序列问题3

这篇具有很好参考价值的文章主要介绍了研习代码 day47 | 动态规划——子序列问题3。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、判断子序列

        1.1 题目

        给定字符串 s 和 t ,判断 s 是否为 t 的子序列。

        字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace""abcde"的一个子序列,而"aec"不是)。

进阶:

如果有大量输入的 S,称作 S1, S2, ... , Sk 其中 k >= 10亿,你需要依次检查它们是否为 T 的子序列。在这种情况下,你会怎样改变代码?

示例 1:

输入:s = "abc", t = "ahbgdc"
输出:true

示例 2:

输入:s = "axc", t = "ahbgdc"
输出:false

提示:

  • 0 <= s.length <= 100
  • 0 <= t.length <= 10^4
  • 两个字符串都只由小写字符组成。

        1.2 题目链接

        392.判断子序列

        1.3 解题思路和过程想法

        (1)解题思路

        双指针遍历:用两个指针分别遍历两个字符串,若是两指针所指相同,则两指针同时往后;否则,将指向“母字符串”的指针向后移动;最后判断指向“子字符串”的指针是否到达其串后侧位置

        动态规划:用两层循环结构对比两字符串的元素,外层遍历“子串”,内层遍历“母串”。若是两指针所指的前一元素相同——s[i-1] == t[j-1],则更新“以下标i-1为结尾的字符串s,和以下标j-1为结尾的字符串t,相同子序列的长度dp[i][j] ——dp[i][j] = dp[i-1][j-1]+1;若是二者不相等,则dp[i][j]等于前值,不做更新——dp[i][j] = dp[i][j-1];最后判断dp[len(s)][len(t)]==lens(s)即可。

        (2)过程想法

        一题多解才能融会贯通所学的知识

        1.4 代码

        1.4.1 双指针遍历
class Solution:
    def isSubsequence(self, s: str, t: str) -> bool:
        # 利用双指针分别指向两个字符串
        point_s , point_t = 0, 0

        # 遍历字符串 t 
        while point_s < len(s) and point_t < len(t):
            # 若匹配,则两指针都向后移一位
            if  s[point_s] == t[point_t]:
                point_s += 1
            # 否则,只有指针 t 向后移
            point_t += 1
        
        # 若指针 s  到达最后,则表明匹配成功
        return point_s == len(s)
        1.4.2 动态规划
class Solution:
    def isSubsequence(self, s: str, t: str) -> bool:
        m,n = len(s),len(t)

        dp = [[0] * (n+1) for _ in range(m+1)]

        for i in range(1, m+1):
            for j in range(1, n+1):
                if s[i-1] == t[j-1]:
                    dp[i][j] = dp[i-1][j-1] + 1
                else:
                    dp[i][j] = dp[i][j-1]

        if dp[m][n] == m:
            return True
        else:
            return False

二、不同的子序列

        1.1 题目

        给你两个字符串 s 和 t ,统计并返回在 s 的 子序列 中 t 出现的个数,结果需要对 109 + 7 取模。

示例 1:

输入:s = "rabbbit", t = "rabbit"
输出3
解释:
如下所示, 有 3 种可以从 s 中得到 "rabbit" 的方案。rabbbitrabbbitrabbbit

示例 2:

输入:s = "babgbag", t = "bag"
输出5
解释:
如下所示, 有 5 种可以从 s 中得到 "bag" 的方案。 
babgbagbabgbagbabgbagbabgbagbabgbag

提示:

  • 1 <= s.length, t.length <= 1000
  • s 和 t 由英文字母组成

        1.2 题目链接

        115.不同的子序列

        1.3 解题思路和过程想法

        (1)解题思路

        当前的匹配情况会受到之前元素的情况所影响,且影响的方式是类似的,考虑采用动态规划的策略。数组:以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]

        递推关系:若二者元素相匹配,当前情况取决于 用或不用 当前的元素,
                                  dp[i][j] = dp[i-1][j-1] + dp[i-1][j]
                         若二者元素不匹配,当前情况的结果与不用当前元素的情况相同
                                 dp[i][j] = dp[i-1][j]

研习代码 day47 | 动态规划——子序列问题3,动态规划,算法,数据结构,python,leetcode

图片来源:代码随想录,红色文字是自己加的


        初始化:由上述递推关系可知当前位置的填写是基于左上方和正上方的元素,所以需要提前对首行首列进行初始赋值
                        # 首行:没有母串,直接赋值 0
                                dp[0][j] = 0
                        # 首列:没有子串,即空子串,赋值1
                                dp[i][0] = 1

        (2)过程想法

        递推关系的式子着实是没想到,,,文章来源地址https://www.toymoban.com/news/detail-764326.html

        1.4 代码

class Solution:
    def numDistinct(self, s: str, t: str) -> int:
        long,short = len(s),len(t)
        # 以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]
        # 以母串位置为行坐标,以子串位置为列坐标
        dp = [[0]*(short+1) for _ in range(long+1)]

        # 递推关系:若二者元素相匹配,当前情况取决于 用或不用 当前的元素
        # 若匹配,则dp[i][j] = dp[i-1][j-1] + dp[i-1][j]

        # 初始化:由上述递推关系可知当前位置的填写是基于左上方和正上方的元素,所以需要提前对首行首列进行初始赋值
        for j in range(short+1):    # 首行:没有母串,直接赋值 0
            dp[0][j] = 0

        for i in range(long+1):     # 首列:没有子串,即空子串,赋值1
            dp[i][0] = 1

        for i in range(1,long+1):
            for j in range(1,short+1):
                if s[i-1] == t[j-1]:
                    dp[i][j] = dp[i-1][j-1] + dp[i-1][j]
                else:
                    dp[i][j] = dp[i-1][j]

        return dp[long][short]

到了这里,关于研习代码 day47 | 动态规划——子序列问题3的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 算法 DAY55 动态规划11 392.判断子序列 115.不同的子序列

    本题可以直接用双指针解法。但是本题是编辑距离的入门题目,故采用动态规划解法为后序“编辑距离”类题目打基础。 本题与最大子序列非常相似,但不同的是s必须连续,t可以不连续。 五部曲 1、dp[i][j] 表示以下标i-1为结尾的字符串s,和以下标j-1为结尾的字符串t,相同

    2024年02月03日
    浏览(36)
  • Day 47 动态规划 part13

    3道题目 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 dp[i]被设置为以nums[i]为结尾的最长递增子序列长度。 思路跟上题一致,甚至还更简单,因为只需要看前一个位置和当前位置的关系就好。 这道题相当于两道第一题重叠考虑,设置dp[i][j]为以i-1为结尾的

    2024年02月07日
    浏览(34)
  • D47|动态规划-子序列part2

                     左为判断公共子序列,右为判断子序列,感觉代码完全可以套用,如果公共子序列的长度是较短的字符串的长度的话即输出true,如果不是即输出false。         完全不一样的思路,一个新的操纵方法: 编辑距离! 动态规划五部曲: 1)确定dp数组(

    2024年02月02日
    浏览(37)
  • python数据结构与算法-动态规划(最长公共子序列)

    一个序列的子序列是在该序列中删去若干元素后得 到的序列。 例如:\\\"ABCD”和“BDF”都是“ABCDEFG”的子序列。 最长公共子序列(LCS) 问题: 给定两个序列X和Y,求X和Y长度最大的公共子字列。 例:X=\\\"ABBCBDE”Y=\\\"DBBCDB”LCS(XY)=\\\"BBCD\\\" 应用场景:字符串相似度比对 (1)问题思考 思考: 暴

    2024年02月08日
    浏览(53)
  • 算法与数据结构(二十三)动态规划设计:最长递增子序列

    注:此文只在个人总结 labuladong 动态规划框架,仅限于学习交流,版权归原作者所有; 也许有读者看了前文 动态规划详解,学会了动态规划的套路:找到了问题的「状态」,明确了 dp 数组/函数的含义,定义了 base case;但是不知道如何确定「选择」,也就是找不到状态转移

    2024年02月13日
    浏览(43)
  • 算法沉淀 —— 动态规划(子序列问题(上))

    几乎所有的动态规划问题大致可分为以下5个步骤,后续所有问题分析都将基于此 1.、状态表示:通常状态表示分为以下两种,其中更是第一种为主。 以i为结尾 ,dp[i] 表示什么,通常为代求问题(具体依题目而定) 以i为开始 ,dp[i]表示什么,通常为代求问题(具体依题目而

    2024年04月15日
    浏览(46)
  • 算法打卡day49|动态规划篇17| Leetcode 647. 回文子串、516.最长回文子序列

    Leetcode 647. 回文子串 题目链接:647. 回文子串 大佬视频讲解:647. 回文子串视频讲解  个人思路  这道题的dp数组有点难找到关联,以至于递归关系也不好找,所以看题解吧... 解法 动态规划 动规五部曲: 1.确定dp数组(dp table)以及下标的含义 一般在定义dp数组的时候 会根据题

    2024年04月22日
    浏览(50)
  • [100天算法】-最长递增子序列的个数(day 47)

    思路 代码 JavaScript Code C++ Code 复杂度分析 时间复杂度:$O(N^2)$。N 是数组  nums  的长度。 空间复杂度:$O(N)$。N 是辅助数组  length  和  count  的长度。

    2024年02月07日
    浏览(49)
  • 代码随想录 动态规划-子序列问题-子序列(连续)

    目录 674.最长连续递增序列  718.最长重复子数组 53.最大子数组和  674. 最长连续递增序列 简单 给定一个未经排序的整数数组,找到最长且  连续递增的子序列 ,并返回该序列的长度。 连续递增的子序列  可以由两个下标  l  和  r ( l r )确定,如果对于每个  l = i r ,都

    2024年04月09日
    浏览(51)
  • 算法 DAY52 动态规划10 1143.最长公共子序列 1035.不相交的线 53. 最大子数组和

    本题和动态规划:718. 最长重复子数组 (opens new window)区别在于这里不要求是连续的了 1、dp数组 dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j] 2、递推公式 因为不强调是连续的,当前dp[i][j] 就有三种路径可以选:dp[i-1][j] dp[i][j-1]

    2024年02月03日
    浏览(65)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包