leetcode链接:力扣题目链接
视频链接:动态规划之子序列,为了编辑距离做铺垫 | LeetCode:115.不同的子序列
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"是"abcde"的一个子序列,而"aec"不是)。
示例 1:
输入:s = "abc", t = "ahbgdc"
输出:true
示例 2:
输入:s = "axc", t = "ahbgdc"
输出:false
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?
这题是作为编辑距离的铺垫。 这题可以看成:对于字符串t能不能通过有限的删除次数(只能删除)得到字符串s。
本题比较简单,可用双指针法,外层循环遍历大串t,内层设置指针j遍历小串s。如果两者相等j往后移一位,如果最后j遍历完了,那么说明是true。如果t遍历完s还没有遍历完,说明是false。
最终代码:
class Solution {
public:
bool isSubsequence(string s, string t) {
if(s.size() > t.size() ){
return false;
}
if(s.size() == 0){
return true;
}
int j = 0;
for(int i = 0; i < t.size(); i++){//t是大串,s是小串
if(t[i] == s[j]){
j++;
if(j == s.size()){
return true;
}
}
}
return false;
}
};
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]。
如果dp[i - 1]和dp[j -1]相等,那么dp[i][j] = dp[i - 1][j - 1] + 1;
如果不相等,(s[i - 1] != t[j - 1]),此时相当于t(大串)要删除元素,t如果把当前元素t[j - 1]删除,那么dp[i][j] 的数值就是 看s[i - 1]与 t[j - 2]的比较结果了,即:dp[i][j] = dp[i][j - 1];
从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1],所以dp[0][0]和dp[i][0]是一定要初始化的。
这里大家已经可以发现,在定义dp[i][j]含义的时候为什么要表示以下标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]。
因为这样的定义在dp二维矩阵中可以留出初始化的区间,如图:
dp[i][0] 表示以下标i-1为结尾的字符串,与空字符串的相同子序列长度,所以为0. dp[0][j]同理。
最后全部初始化为0即可。
一定是从上到下从左往右的。
转化结果:最终的个数 == s.size()说明都包涵
最终代码:
class Solution {
public:
bool isSubsequence(string s, string t) {
vector<vector<int>> dp(s.size() + 1, vector<int> (t.size() + 1, 0));
for(int i = 1; i <= s.size(); i++){
for(int j = 1; j <= t.size(); j++){
if(s[i - 1] == t[j - 1]){
dp[i][j] = dp[i - 1][j - 1] + 1;
}else{
dp[i][j] = dp[i][j - 1];
}
}
}
return dp[s.size()][t.size()] == s.size();
}
};
leetcode链接:力扣题目链接
视频链接:动态规划之子序列,为了编辑距离做铺垫 | LeetCode:115.不同的子序列
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。
题目数据保证答案符合 32 位带符号整数范围。
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。
rabbbit
rabbbit
rabbbit
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。
babgbag
babgbag
babgbag
babgbag
babgbag
注意这题和上一题的区别。这题不仅要判断是否含有子串,还要判断出现的个数。
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的子序列个数为dp[i][j]。
无非就是s[i- 1]和t[j - 1]是否相等:
一部分是用s[i - 1]来匹配,那么个数为dp[i - 1][j - 1]。即不需要考虑当前s子串和t子串的最后一位字母,所以只需要 dp[i-1][j-1]。
一部分是不用s[i - 1]来匹配,个数为dp[i - 1][j]。
即dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
dp[i][j] = dp[i - 1][j]
dp[i][0] 表示:以i-1为结尾的s可以随便删除元素,出现空字符串的个数。
那么dp[i][0]一定都是1,因为也就是把以i-1为结尾的s,删除所有元素,出现空字符串的个数就是1。
dp[0][j]:空字符串s可以随便删除元素,出现以j-1为结尾的字符串t的个数。
那么dp[0][j]一定都是0,s如论如何也变成不了t。
dp[0][0] = 1,空字符串s,可以删除0个元素,变成空字符串t
从上到下,从左到右
最终代码:
class Solution {
public:
int numDistinct(string s, string t) {
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t> (t.size() + 1));
for (int i = 0; i < s.size(); i++) {
dp[i][0] = 1;
}
for (int j = 1; j < t.size(); j++) {
dp[0][j] = 0;
}
for(int i = 1; i <= s.size(); i++){
for(int j = 1; j <= t.size(); j++){
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];
}
}
}
if(dp[s.size()][t.size()] >= INT32_MAX){
return -1;
}
return dp[s.size()][t.size()];
}
};
这里注意最后答案可以溢出,用uint64。另外最后的比较是一个特殊情况,溢出返回-1。