数据结构第二季 Day20 动态规划之最长公共子串、01 背包问题

一、最长公共子串

1、子串和子序列的区别是什么?最长公共子串问题是什么?

  • 子串是连续的子序列
image.png

2、对于上述问题的动态规划三步曲(dp 定义的一切启发)?

  • 对于状态定义,如果一维空间就是 dp[i] ,如果是二维空间就是 dp[i][j],
  • 基本套路是让 i 或者 ij 从尾部开始,往前面推衍(比如 i 和 i-1 的关系、如果不选 i 个会怎么样、如果选第 i 个会怎么样)
  • 如果是二维的,就让其中一个一维数组从 0 个开始,去遍历另一个一维数组(其实就是两层 for 循环,确定 dp[i][j])
image.png

3、为什么不定义成 dp[i][j] 是以str1[i]、 str2[j]结尾的最长公共子串呢?

  • 因为如果这样定义的话,不容易表示 chars1 取 0 个数据 或者 chars2 取 0 个数据的情况
  • 不是一定不行,但是这样就不利于代码的编写
  • 所以遇到左开右闭,还是左闭右开;是从 1 到 length +1 ,还是 0 到 length;这些都可以根据题目的具体要求,灵活变动,方便代码的编写和思路梳理

4、最长公共子串的代码实现,单从代码角度,真心是简单的!

image.png
  • 时间复杂度 O(n*m)
  • 空间复杂度 O(n*m)

5、分析 dp[i][j]的数据存放情况,学会画图也是非常重要的技能,可以帮助分析情况。

image.png

6、通过分析 dp 的分布图,我们发现 dp[i][j] 的计算只依赖于左上角的数值,所以上面空间可以优化成一维数组。

image.png
  • 小技巧:并且还发现,可以把 j 倒过来遍历,这样临时变量也省了。

二、01 背包问题

1、什么是 01 背包问题?

image.png

2、状态定义方面的思考

  • 处理这种二维的 dp,可以控制其中一维度,让另一维度从 0 开始递增,从而找规律
  • 然后观察固定哪一维度,具有 ①最优子结构性 ②无后效性

3、01 背包的动态规划三步曲?

image.png

4、状态定义的思考,是否可以像下面一样,画出 dp[i][j]的状态图?

image.png

5、有没有感觉动态规划就是搞数组?要么搞个 dp[i] 的一维数组,要么搞个 dp[i][j] 的二维数组

  • 为什么是搞数组呢?这就是要再次理解下动态规划的概念了
image.png

6、根据动态规划三步曲写出的代码

image.png

7、思考下 01 背包的 i 和 j 可以颠倒顺序吗?

  • 不可以,因为动态的是 weights 和 values 才能便于计算
image.png

三、01 背包恰好装满

1、什么是 01 背包恰好装满问题?

image.png

2、观察 dp[i][j]

image.png

3、听说只要改变初始化条件即可

image.png

4、动态规划,只要把现有的题目做好,吃透就行。

  • 其他题目也大都类似,再难也不会太难了

你可能感兴趣的:(数据结构第二季 Day20 动态规划之最长公共子串、01 背包问题)