研习代码 day46 | 动态规划——子序列问题2

这篇具有很好参考价值的文章主要介绍了研习代码 day46 | 动态规划——子序列问题2。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、最长公共子序列

        1.1 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。

        1.2 题目链接

        1143.最长公共子序列

        1.3 解题思路和过程想法

        (1)解题思路

        # 分析:前元素以相同规则影响当前元素——动态规划

        # 二维数组:截止到字符串 text1 的 i 位置,截止到字符串 text2 的 j 位置,最长公共子序列长度为 dp[i][j]

        # 递推关系:因为判断的不一定是连续的情况,直接迭代,dp[i][j] = dp[i-1][j-1] + 1(符合条件)
                                        不符合条件时,取之前的最佳情况值:dp[i][j] = max(dp[i-1][j] , dp[i][j-1])

        # 初始化数组:0

        (2)过程想法

        根据题目的描述判断出动态规划后(前元素以相同规则影响当前元素),使用动规五部曲,很好写代码,其中需要思考的是迭代关系。虽然好写,还是建议多思考一下迭代过程,不然只是稀里糊涂的AC。

        1.4 代码

        1.4.1 二维DP数组
class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        m = len(text1)
        n = len(text2)
        # 二维数组:截止到字符串 text1 的 i 位置,截止到字符串 text2 的 j 位置,最长公共子序列长度为 dp[i][j]

        # 递推关系:因为判断的不一定是连续的情况,直接迭代,dp[i][j] = dp[i-1][j-1] + 1

        # 初始化数组
        dp = [[0]*(n+1) for _ in range(m+1)]

        for i in range(1,m+1):
            for j in range(1,n+1):
                if text1[i-1] == text2[j-1]:
                    dp[i][j] = dp[i-1][j-1] + 1
                else:
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1])

        return dp[m][n]
        1.4.2 一维DP数组
class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        m = len(text1)
        n = len(text2)
        # 一维数组:截止到字符串 text2 的 j 位置,最长公共子序列长度为 dp[j]

        # 递推关系:如果text1[i-1] == text2[j-1],dp[j] = dp[j] + 1
        #          否则 dp[j] = max(dp[j], dp[j-1])

        # 初始化数组
        dp = [0]*(n+1)
        result = 0

        for i in range(1,m+1):
            pre = 0
            for j in range(1,n+1):
                cur = dp[j]
                if text1[i-1] == text2[j-1]:
                    dp[j] = pre + 1
                    result = max(dp[j], result)
                else:
                    dp[j] = max(dp[j], dp[j-1])
                pre = cur

        return result

二、不相交的线

        2.1 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:

研习代码 day46 | 动态规划——子序列问题2,动态规划,算法,数据结构,python,leetcode

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

        2.2 题目链接

        1035.不相交的线

        2.3 解题思路和过程想法

        (1)解题思路

        # 不相交:其实就是最长公共子序列
        思路同上题

        (2)过程想法

        刚开始没转过弯来,花了好多时间去思考。。。

        2.4 代码

class Solution:
    def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
        # 不相交:其实就是最长公共子序列
        # 数组:截止到字符串 text2 的 j 位置,最长公共子序列长度为 dp[j]
        # 递推关系:满足条件则dp[j] = dp[j-1]+1
        m,n = len(nums1),len(nums2)
        dp = [0] * (n+1)

        result = 0

        for i in range(1, m+1):
            pre = 0
            for j in range(1, n+1):
                cur = dp[j]
                if nums1[i-1] == nums2[j-1]:
                    dp[j] = pre + 1
                    result = max(result,dp[j])
                else:
                    dp[j] = max(dp[j], dp[j-1])
                pre = cur

        return result

三、最大子数组和

        3.1 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 <= 10^5
  • -10^4 <= nums[i] <= 10^4

进阶:如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的 分治法 求解。

        3.2 题目链接

        53.最大子数组和

        3.3 解题思路和过程想法

        (1)解题思路

        贪心:
                 # 局部最优:当前“连续和”为负数时,立即放弃,从下一元素重新计算“连续和”
                 # 整体最优:连取最大“连续和”

        动规:
                # 数组:前 i 个元素的最大和dp[i] 
                # 递推关系:dp[i] = max(dp[i], dp[i-1]+nums[i])

        (2)过程想法

        贪心的思路不难,但是还是感觉动态规划更简单文章来源地址https://www.toymoban.com/news/detail-766747.html

        3.4 代码

        3.4.1 贪心策略
class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        # 局部最优:当前“连续和”为负数时,立即放弃,从下一元素重新计算“连续和”
        # 整体最优:连取最大“连续和”

        curSum = 0
        maxSum = nums[0]


        for i in range(len(nums)):
            curSum += nums[i]
            # 连续和为正数,统计最大值
            if curSum >= 0:
                maxSum = max(curSum,maxSum)
            # 连续和为负数,将累加值归零,重新开始累加
            # 特殊情况:全是负数如 -2 -1
            else:
                curSum = 0   
                maxSum = max(maxSum,nums[i])

        return maxSum
        3.4.2 动态规划策略
class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        # 数组:前 i 个元素的最大和dp[i] 
        # 递推关系:dp[i] = max(dp[i], dp[i-1]+nums[i])
        # 初始化
        dp = [0] * len(nums)
        dp[0] = nums[0]
        result = dp[0]

        for i in range(1,len(nums)):
            dp[i] = max(nums[i], dp[i-1]+nums[i])
            result = max(dp[i], result)

        return result

到了这里,关于研习代码 day46 | 动态规划——子序列问题2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

  • Day47 算法记录|动态规划14子序列

    这道题和718. 最长重复子数组的区别:这道题的 子序列可以不连续 这个视频讲解的很好 和上面一道题一摸一样 以绘制连接两个数字 A[i] 和 B[j] 的直线,只要 A[i] == B[j],且直线不与任何其他连线(非水平线)相交。 讲解的很好的一个 d p [ i ] dp[i] d p [ i ] 表示包括下标i(以

    2024年02月15日
    浏览(37)
  • Day48 算法记录|动态规划15 (子序列)

    这道题和1143最长公共字串相同 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,相同子序列的长度为dp[i][j]。 方法二 双指针 dp[i][j]: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]。 这个把递推讲的很详细 初始化: 状态方程: 相同的情况:

    2024年02月15日
    浏览(33)
  • 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)
  • Day46- 动态规划part14

    题目一:1143. 最长公共子序列 1143. 最长公共子序列 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

    2024年02月21日
    浏览(40)
  • 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)
  • 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