代码随想录刷题题Day39

发布时间:2024年01月22日

刷题的第三十九天,希望自己能够不断坚持下去,迎来蜕变。😀😀😀
刷题语言:C++
Day39 任务
1143.最长公共子序列
1035.不相交的线
53. 最大子序和 动态规划

1 最长公共子序列

1143.最长公共子序列
在这里插入图片描述
思路:
动态规划
(1)确定dp数组(dp table)以及下标的含义
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)确定递推公式

(1)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;
(2)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。
即:dp[i][j] = max(dp[i - 1][j], dp[i][j - 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]);
}

(3)dp数组如何初始化

vector<vector<int>> dp(text1.size() + 1, vector<int>(text2.size() + 1, 0));

(4)确定遍历顺序
在这里插入图片描述

(5)举例推导dp数组
在这里插入图片描述
dp[text1.size()][text2.size()]为最终结果
C++:

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        vector<vector<int>> dp(text1.size() + 1, vector<int>(text2.size() + 1, 0));
        for (int i = 1; i <= text1.size(); i++) {
            for (int j = 1; j <= text2.size(); j++) {
                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[text1.size()][text2.size()];
    }
};

时间复杂度: O ( n ? m ) O(n * m) O(n?m),其中 n 和 m 分别为 text1 和 text2 的长度
空间复杂度: O ( n ? m ) O(n * m) O(n?m)

2 不相交的线

1035.不相交的线
在这里插入图片描述
思路:
动态规划
本题说是求绘制的最大连线数,其实就是求两个字符串的最长公共子序列的长度!
C++:

class Solution {
public:
    int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
        vector<vector<int>> dp(nums1.size() + 1, vector<int>(nums2.size() + 1, 0));
        for (int i = 1; i <= nums1.size(); i++) {
            for (int j = 1; j <= nums2.size(); j++) {
                if (nums1[i - 1] == nums2[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[nums1.size()][nums2.size()];
    }
};

时间复杂度: O ( n ? m ) O(n * m) O(n?m)
空间复杂度: O ( n ? m ) O(n * m) O(n?m)

3 最大子序和

53. 最大子序和 动态规划 在这里插入图片描述
思路:
动态规划
(1)确定dp数组(dp table)以及下标的含义
dp[i]:包括下标i(以nums[i]为结尾)的最大连续子序列和为dp[i]
(2)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

(3)dp数组如何初始化
dp[0] = nums[0]
(4)确定遍历顺序:从前向后遍历
(5)举例推导dp数组
在这里插入图片描述
C++:

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int> dp(nums.size() + 1, 0);
        dp[0] = nums[0];
        int result = nums[0];
        for (int i = 1; i < nums.size(); i++) {
            dp[i] = max(dp[i - 1] + nums[i], nums[i]);
            if (result < dp[i]) result = dp[i];
        }
        return result;
    }
};

时间复杂度: O ( n ) O(n) O(n)
空间复杂度: O ( n ) O(n) O(n)


鼓励坚持四十天的自己😀😀😀

文章来源:https://blog.csdn.net/BigDavid123/article/details/135737251
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。