代码随想录训练营第五十三天| ● 1143.最长公共子序列 ● 1035.不相交的线 ● 53. 最大子序和 动态规划

发布时间:2024年01月03日

?1143.最长公共子序列?

体会一下本题和?718.?最长重复子数组?的区别??

视频讲解:动态规划子序列问题经典题目 | LeetCode:1143.最长公共子序列_哔哩哔哩_bilibili

代码随想录

?这道题由于不是连续序列,所以dp数组的含义就是:

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],记录的是累计的最大长度。

在递归函数中,若text1的i-1位和text2的j-1位相等,则dp[i][j]就等于dp[i-1][j-1] + 1,也就是等于之前最长公共子序列加1,若不相等就取之前两个子序列中最大的那一个。

int longestCommonSubsequence(string text1, string text2) {
        if (text1.size() == 0 || text2.size() == 0)
            return 0;
        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()];
    }

?1035.不相交的线?

其实本题和?1143.最长公共子序列?是一模一样的,大家尝试自己做一做。

视频讲解:动态规划之子序列问题,换汤不换药 | LeetCode:1035.不相交的线_哔哩哔哩_bilibili

代码随想录

抽象之后与上题一致:

int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
        if (nums1.size() == 0 || nums2.size() == 0)
            return 0;
        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()];
    }

?53.?最大子序和?

这道题我们用贪心做过,这次?再用dp来做一遍?

视频讲解:看起来复杂,其实是简单动态规划 | LeetCode:53.最大子序和_哔哩哔哩_bilibili

代码随想录

?以下是我写的代码,dp数组记录的是以nums[i]为结尾的最大连续子序列和,遍历过程中当最大和大于零时,加上nums[i]绝对是大于nums[i]的,因此以nums[i]结尾的最大连续子序列和就是max + nums[i],并重新记录max,若小于零,以nums[i]结尾的最大连续子序列和就是nums[i]了。

int maxSubArray(vector<int>& nums) {
        if (nums.size() == 0) return 0;
        vector<int> dp(nums.size());
        dp[0] = nums[0];
        int max = nums[0];
        int result = nums[0];
        for (int i = 1; i < nums.size(); i++) {
            if (max > 0) {
                dp[i] = max + nums[i];
                max = dp[i];
            }
            else {
                dp[i] = nums[i];
                max = dp[i];
            }
            if (dp[i] > result) result = dp[i];
        }
        return result;
    }

?由于最大连续子序列和只与dp[i - 1] + nums[i], nums[i]这两个数值有关,所以转移公式可以只有这个:dp[i] = max(dp[i - 1] + nums[i], nums[i]);,dp[i-1]也就是我上面的max了

int maxSubArray(vector<int>& nums) {
        if (nums.size() == 0) return 0;
        vector<int> dp(nums.size());
        dp[0] = nums[0];
        int result = dp[0];
        for (int i = 1; i < nums.size(); i++) {
            dp[i] = max(dp[i - 1] + nums[i], nums[i]); // 状态转移公式
            if (dp[i] > result) result = dp[i]; // result 保存dp[i]的最大值
        }
        return result;
    }

文章来源:https://blog.csdn.net/Ljhh_h/article/details/135354339
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。