上篇文章中,我们学习一个新的模型: 样本对应模型,该模型的套路就是:以结尾位置为出发点,思考两个样本的结尾都会产生哪些可能性 。
而前篇文章中的 纸牌博弈问题 属于 [L , R]
上范围尝试模型。该模型给定一个范围,在该范围上进行尝试,套路就是 思考 [L ,R]
两端该如何取舍。
本篇文章我们通过一道中等难度的力扣题,再来熟悉 范围尝试模型 的套路,注意与 上篇文章的最长公共子序列 作对比哦!
力扣516. 最长回文子序列
给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。
子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。
示例 1:
输入: s = “bbbab”
输出: 4
解释: 一个可能的最长回文子序列为 “bbbb” 。
示例 2:
输入: s = “cbbd”
输出: 2
解释: 一个可能的最长回文子序列为 “bb” 。
学会了 上篇 的 最长公共子序列 之后,这道题目就有一个讨巧的方法:
若翻转输入的字符串,那么原本的字符串与翻转后的字符串的 最长公共子序列 就是 最长回文子序列 。
只需稍加修改,就能套用上面的代码了!
代码
public static int palindromeSubsequence(String s) {char[] s1 = s.toCharArray();int N = s1.length;char[] s2 = new char[N];// 翻转 s 字符串for (int i = 0; i < N; i++) {s2[N - i - 1] = s1[i];}// 调用 判断最长公共子序列 的动态规划函数return longestCommonSubsequence(s1,s2);
}// 该函数是 上篇文章末尾 的 动态规划版
public static int longestCommonSubsequence(char[] str1, char[] str2) {int N = str1.length;int M = str2.length;...
}
除了上面讨巧的办法外,我们依然采用最朴素的 暴力递归 来思考这道题目。
递归的准备
定义递归函数的功能: 返回 str 中 [L ... R]
范围上字符串的最长回文子序列。
思考递归需要的参数: str 字符串,两端范围 L, R。
明确递归的边界条件:
- 当字符串长度为 1 即
L == R
时,找到了一个长度为 1 的回文序列,返回 1 。 - 当字符串长度为 2 即
L == R - 1
时,若两个字符一致,即找到了一个长度为 2 的回文序列,返回 2 。否则返回 1。
思路
这道题就是典型的 范围尝试模型 ,因此,递归就可以按照 开头和结尾两端都会产生哪些可能性 的思路来划分情况:
- 回文子序列 既不以 L 结尾,也不以 R 结尾;
- 回文子序列 以 L 结尾,不以 R 结尾;
- 回文子序列 不以 L 结尾,以 R 结尾;
- 回文子序列 既以 L 结尾,也以 R 结尾。
因为要求 最长 回文子序列,因此要返回这四种情况当中的最大值。
代码
public static int palindromeSubsequence(String s) {if (s == null || s.length() == 0) {return 0;}char[] str = s.toCharArray();return process(str, 0, str.length - 1);
}public static int process(char[] str, int L, int R) {if (L == R) {return 1;}if (L == R - 1) {return str[L] == str[R] ? 2 : 1;}int p1 = process(str, L + 1, R - 1);int p2 = process(str, L, R - 1);int p3 = process(str, L + 1, R);int p4 = str[L] != str[R] ? 0 : (2 + process(str, L + 1, R - 1));return Math.max(Math.max(p1, p2), Math.max(p3, p4));
}
代码解释
注意: 第四种情况 p4 中,如果直接调用 process(str, L, R)
,则会产生死循环。为使递归正常运行,要将都以 L
和 R
结尾单独拿出来判断,若相等,去掉两端相等的字符再进行递归调用,回文子序列的长度自然要加上两端 2 的长度。
下面我们通过画 dp 表,探寻该递归如何转化为更加优化的动态规划。
以 str = “abcb1a” 为例。
可变的参数有两个,判断长度范围的 L
和 R
。因此,需要设置一个二维的 dp 表数组,由于 L, R
的取值范围从 0 开始到字符串长度减一,因此数组大小设置为 dp[N][N]
。
根据递归函数中代码逻辑发现:
- 当字符串中仅剩一个字符时,回文长度为 1 ,其余均为 0。
if (L == R) {return 1;}
因此 dp
数组对角线上的数值均为 1 。
- 当字符串长度为 2 ,若两个字符一致,即找到了一个长度为 2 的回文序列,返回 2 。否则返回 1。
if (L == R - 1) {return str[L] == str[R] ? 2 : 1;}
- 普遍情况下,依赖 左,下,左下 三个地方的 最大值。
int p1 = process(str, L + 1, R - 1);int p2 = process(str, L, R - 1);int p3 = process(str, L + 1, R);int p4 = str[L] != str[R] ? 0 : (2 + process(str, L + 1, R - 1));return Math.max(Math.max(p1, p2), Math.max(p3, p4));
- 范围尝试模型的 dp 表最大特点是左下角无效。递归函数调用的是
process(str, 0, str.length - 1)
,因此最终答案应该取dp[0][N-1]
== 5。
动态规划代码
public static int palindromeSubsequence(String s) {if (s == null || s.length() == 0) {return 0;}if (s.length() == 1) {return 1;}char[] str = s.toCharArray();int N = str.length;int[][] dp = new int[N][N];dp[N - 1][N - 1] = 1;// 单独填写对角线和相邻斜线的值for (int i = 0; i < N - 1; i++) {dp[i][i] = 1;dp[i][i + 1] = str[i] == str[i + 1] ? 2 : 1;}// 从下往上 从左往右 找最大值填写// 递归中的 p1 情况不需要考虑了for (int i = N - 3; i >= 0; i--) {for (int j = i + 2; j < N; j++) {dp[i][j] = Math.max(dp[i][j - 1], dp[i + 1][j]);if (str[i] == str[j]) {dp[i][j] = Math.max(dp[i][j], dp[i + 1][j - 1] + 2);}}}return dp[0][N - 1];
}
代码解释
一图胜千言:
在递归版本中,红色分别依赖紫、蓝、黄,并 取最大值。
int p1 = process(str, L + 1, R - 1);int p2 = process(str, L, R - 1);int p3 = process(str, L + 1, R);int p4 = str[L] != str[R] ? 0 : (2 + process(str, L + 1, R - 1));return Math.max(Math.max(p1, p2), Math.max(p3, p4));
思考一下,紫色部分的值是怎么来的?它也同样依赖了左,下,左下 三个地方的 最大值。因此,紫色 部分一定不小于 蓝色 部分,同理 黄色 部分也一定不小于 蓝色 部分。
因为要求最大值,因此可以忽略掉蓝色部分 p1
的递归调用,只需考虑 p2, p3
的调用。
dp[i][j] = Math.max(dp[i][j - 1], dp[i + 1][j]);if (str[i] == str[j]) {dp[i][j] = Math.max(dp[i][j], dp[i + 1][j - 1] + 2);}
因此在动态规划循环中排除了蓝色部分的情况,先求出紫色与黄色的最大值,只有当 str[L] == str[R]
时,再与蓝色部分比出最大值。
这就是使用 严格表依赖 的好处 —— 可以 做进一步的优化!
总结
上篇文章和本文分别讲解了 最长公共子序列问题 和 最长回文子序列问题 。看似很相似的题目,实际使用了两种不同的模型:样本对应模型 和 范围尝试模型 。根据不同模型的套路相信小伙伴也能够轻松应对类似的题目了!
下篇文章我们将介绍一个综合性非常高的题目,并使用一个新的模型来应对,敬请期待吧~
~ 点赞 ~ 关注 ~ 不迷路 ~!!!
------------- 往期回顾 -------------
【算法 - 动态规划】最长公共子序列问题
【算法 - 动态规划】力扣 691. 贴纸拼词
【算法 - 动态规划】原来写出动态规划如此简单!
【算法 - 动态规划】从零开始学动态规划!(总纲)
【堆 - 专题】“加强堆” 解决 TopK 问题!
AC 此题,链表无敌!!!