算法学习|动态规划 LeetCode 1143.最长公共子序列、1035.不相交的线 、53. 最大子序和

动态规划

  • 一、最长公共子序列
    • 思路
    • 实现代码
  • 二、不相交的线
    • 思路
    • 实现代码
  • 三、最大子序和
    • 思路
    • 实现代码

一、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。
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。
元素之间可以不连续

思路

1.dp[i][j] :以[0,i - 1]的nums1和[0,j - 1]的nums2的最长公共子序列的长度
2.递推公式:
if(nums[i - 1] = nums[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.初始化:dp[i][0] = 0 dp[0][j] = 0 其他位置初始化为0
4.遍历顺序:从上到下,从左到右

实现代码

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()];
    }
};

二、不相交的线

我们在两条独立的水平线上按给定的顺序写下 A 和 B 中的整数。
现在,我们可以绘制一些连接两个数字 A[i] 和 B[j] 的直线,只要 A[i] == B[j],且我们绘制的直线不与任何其他连线(非水平线)相交。
以这种方法绘制线条,并返回我们可以绘制的最大连线数。

思路

相同元素:找相同子序列
最大连接数:求最长的公共子序列
故此题本质就是求两个数组的最长公共子序列

实现代码

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][j - 1], dp[i - 1][j]);
                }
            }
        }
        return dp[nums1.size()][nums2.size()];
    }
};

三、最大子序和

给定一个整数数组 nums ,找到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。

思路

1.dp[i] :以nums[i]为结尾的最大连续子序列的和
2.递推公式:dp[i] = max(dp[i - 1] + nums[i],nums[i])(延续前面的或者从当前开始)
3.初始化:dp[0] = nums[0]
4.遍历顺序:从前往后
最后的结果:遍历一遍所有dp数组,找到最大的和

实现代码

class Solution {
public:
    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]);
            if(dp[i] > result)  result =  dp[i];
        }
        return result;
    }
};

你可能感兴趣的:(#,算法学习,leetcode,算法,动态规划,c++,学习)