[动态规划]代码随想录总结（自用）

文章目录

  • 动态规划入门
    • 斐波那契数
    • 路径问题
    • 整数拆分
    • 动态规划在树中的应用
  • 背包问题
    • 01背包
    • 完全背包
  • 打家劫舍
  • 买卖股票的最佳时机（状态转换）
  • 最长子序列
  • 最长公共序列
  • 子序列有关（删除元素）
  • 回文子串

动态规划入门

斐波那契数

力扣相关题目：
509.斐波那契数
70.爬楼梯
746.使用最小花费爬楼梯

Java代码：

class Solution {// 509.斐波那契数public int fib(int n) {if (n <= 1) return n;int[] dp = new int[n + 1];dp[0] = 0;dp[1] = 1;for (int i = 2; i <= n; i ++){dp[i] = dp[i - 1] + dp[i - 2];}return dp[n];}// 70.爬楼梯public int climbStairs(int n) {if (n == 1) return 1;if (n == 2) return 2;int[] dp = new int[n + 1];dp[1] = 1; dp[2] = 2;for (int i = 3; i <= n; i ++){dp[i] = dp[i - 1] + dp[i - 2];}return dp[n];}// 746.使用最小花费爬楼梯public int minCostClimbingStairs(int[] cost) {int n = cost.length;if (n <= 1) return 0;int[] dp = new int[n + 1];dp[0] = 0;dp[1] = 0;for (int i = 2; i <= n; i ++){dp[i] = Math.min(dp[i - 2] + cost[i - 2], dp[i - 1] + cost[i - 1]);}return dp[n];}
}

路径问题

力扣相关题目：
62.不同路径
63.不同路径2

Java代码：

class Solution {// 62.不同路径public int uniquePaths(int m, int n) {int[][] dp = new int[m][n];for (int i = 0; i < m; i ++) dp[i][0] = 1;for (int i = 0; i < n; i ++) dp[0][i] = 1;for (int i = 1; i < m; i ++){for (int j = 1; j < n; j ++){dp[i][j] = dp[i - 1][j] + dp[i][j - 1];}}return dp[m - 1][n - 1];}// 63.不同路径2public int uniquePathsWithObstacles(int[][] obstacleGrid) {int m = obstacleGrid.length, n = obstacleGrid[0].length;if (obstacleGrid[0][0] == 1 || obstacleGrid[m - 1][n - 1] == 1) return 0;int[][] dp = new int[m][n];for (int i = 0; i < m && obstacleGrid[i][0] == 0; i ++) dp[i][0] = 1;for (int i = 0; i < n && obstacleGrid[0][i] == 0; i ++) dp[0][i] = 1;for (int i = 1; i < m; i ++){for (int j = 1; j < n; j ++){if (obstacleGrid[i][j] == 1) continue;dp[i][j] = dp[i - 1][j] + dp[i][j - 1];}}return dp[m - 1][n - 1];}}

整数拆分

力扣相关题目：
343.整数拆分

Java代码：

class Solution {// 343.整数拆分public int integerBreak(int n) {int[] dp = new int[n + 1];// 初始条件：2可以拆成1*1=1dp[2] = 1;for (int i = 3; i <= n; i ++){for (int j = 1; j <= i/2; j ++){// 可以拆成两个数i-j和j；也可以拆成j和dp[i-j]dp[i] = Math.max(dp[i], Math.max((i-j)*j,j*dp[i - j]));}}return dp[n];}}

动态规划在树中的应用

力扣相关题目：
96.不同的二叉搜索树
Java代码：

class Solution {// 96.不同的二叉搜索树public int numTrees(int n) {int[] dp = new int[n + 1];dp[0] = 1;for (int i = 1; i <=n; i ++){for (int j = 1; j <= i; j ++){// 以dp[3]为例：// dp[3]=元素1为头结点搜索树的数量 + 元素2为头结点搜索树的数量 // + 元素3为头结点搜索树的数量// 元素1为头结点搜索树的数量 = 右子树有2个元素的搜索树数量 * 左子树有0个元素的搜索树数量// 元素2为头结点搜索树的数量 = 右子树有1个元素的搜索树数量 * 左子树有1个元素的搜索树数量// 元素3为头结点搜索树的数量 = 右子树有0个元素的搜索树数量 * 左子树有2个元素的搜索树数量// 所以 dp[3]=dp[2] * dp[0] + dp[1] * dp[1] + dp[0] * dp[2]dp[i] += dp[j - 1]*dp[i - j];}}return dp[n];}}

背包问题

本篇主要记录01背包和完全背包问题

01背包

你有一个背包，最多能容纳的体积是V，现在有n个物品，第i个物品的体积为 v i v_i vi​ ,价值为 w i w_i wi​,则
(1) 求这个背包至多能装多大价值的物品？
(2) 若背包恰好装满，求至多能装多大价值的物品？

牛客网：
【模板】01背包

Java代码：

import java.util.Scanner;
import java.util.*;
// 注意类名必须为 Main, 不要有任何 package xxx 信息
public class Main {public static void main(String[] args) {Scanner in = new Scanner(System.in);// 注意 hasNext 和 hasNextLine 的区别while (in.hasNextInt()) { // 注意 while 处理多个 caseint n = in.nextInt();int V = in.nextInt();int[] weight = new int[n];int[] value = new int[n];int[] dp = new int[V+1];for (int i = 0; i < n; i ++){weight[i] = in.nextInt();value[i] = in.nextInt();}// 外循环遍历物品for (int i = 0; i < n; i ++){// 内循环倒着遍历容量for (int j = V; j >= weight[i]; j --){// 装该物品：dp[j - weight[i]] + value[i]// 不装该物品：dp[j]// 求最大值dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);}}System.out.println(dp[V]);int[] dp1 = new int[V+1];Arrays.fill(dp1,Integer.MIN_VALUE);dp1[0] = 0;for (int i = 0; i < n; i ++){for (int j = V; j >= weight[i]; j --){dp1[j] = Math.max(dp1[j], dp1[j - weight[i]] + value[i]);}}if (dp1[V] < 0) dp1[V] = 0;System.out.println(dp1[V]);}}
}

力扣相关题目：
416.分割等和子集
1049.最后一块石头的重量II
494.目标和
474.一和零

Java代码：

class Solution {// 416.分割等和子集// 数组中找到子集，该子集总和为sum/2// 背包容量为sum/2,物品为数组nums，物品重量为nums[i]，价值也为nums[i]// dp[target] == target?public boolean canPartition(int[] nums) {int n = nums.length;if (n < 2) return false;int sum = 0;for(int i = 0; i < n; i ++){sum += nums[i];}if (sum % 2 == 1) return false;int target = sum / 2;// 所以该题等价于背包的容量V=target=sum/2int[] dp = new int[target + 1];for (int i = 0; i < n; i ++){for (int j = target; j >= nums[i]; j --){dp[j] = Math.max(dp[j],dp[j - nums[i]] + nums[i]);}}if (dp[target] == target) return true;return false;}// 1049.最后一块石头的重量II// 这道题同样是背包容量为sum/2，与416.分割等和子集思路一致public int lastStoneWeightII(int[] stones) {int n = stones.length;int sum = 0;for (int i = 0; i < n; i ++){sum += stones[i];}int target = sum / 2;int[] dp = new int[target + 1];for (int i = 0; i < n; i ++){for (int j = target; j >= stones[i]; j --){dp[j] = Math.max(dp[j],dp[j - stones[i]] + stones[i]);}}return (sum - dp[target]) - dp[target];}// 494.目标和// 容量为(sum + target) / 2的背包问题// 与前两个题不一样的是，求方案个数// 递归条件一般是dp[j] += dp[j - nums[i]]public int findTargetSumWays(int[] nums, int target) {int n = nums.length;int sum = 0;for (int i = 0; i < n; i ++){sum += nums[i];}if ((sum + target) % 2 != 0) return 0;if (Math.abs(target) > sum) return 0;int t = (sum + target) / 2;if (t < 0) t = -t;int[] dp = new int[t + 1];dp[0] = 1;for (int i = 0; i < n; i ++){for (int j = t; j >= nums[i]; j --){dp[j] += dp[j - nums[i]];}}return dp[t];}// 494.一和零// 之前的题目背包容量是一维的，即target// 该题目背包容量为二维的，即m与n，需要二维数组dppublic int findMaxForm(String[] strs, int m, int n) {int[][] dp = new int[m + 1][n + 1];int oneNum, zeroNum;// 遍历物品（strs数组）for(String str:strs){// oneNum和zeroNum为物品的重量oneNum = 0;zeroNum = 0;for (int i = 0; i < str.length(); i ++){if (str.charAt(i) == '0') zeroNum ++;else oneNum ++;}// 遍历背包容量for(int i = m; i >= zeroNum; i --){for (int j = n; j >= oneNum; j --){dp[i][j] = Math.max(dp[i][j], dp[i-zeroNum][j-oneNum] + 1);}}}return dp[m][n];}}

完全背包

你有一个背包，最多能容纳的体积是V，现在有n个物品，每种物品有任意多个，第i个物品的体积为 v i v_i vi​ ,价值为 w i w_i wi​,则
(1) 求这个背包至多能装多大价值的物品？
(2) 若背包恰好装满，求至多能装多大价值的物品？

牛客网：
【模板】完全背包

代码和01背包的区别为在于遍历背包容量：
1.01背包倒序遍历

for (int j = V; j >= weight[i]; j --)
{dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}

2.完全背包顺序遍历

for (int j = weight[i]; j <= V; j ++)
{dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}

Java代码：

import java.util.Scanner; 
import java.util.*;// 注意类名必须为 Main, 不要有任何 package xxx 信息
public class Main {public static void main(String[] args) {Scanner in = new Scanner(System.in);// 注意 hasNext 和 hasNextLine 的区别while (in.hasNextInt()) { // 注意 while 处理多个 caseint n = in.nextInt();int V = in.nextInt();int[] weight = new int[n];int[] value = new int[n];int[] dp = new int[V+1];for (int i = 0; i < n; i ++){weight[i] = in.nextInt();value[i] = in.nextInt();}for (int i = 0; i < n; i ++){// 这个地方与01背包不同for (int j = weight[i]; j <= V; j ++){dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);}}System.out.println(dp[V]);int[] dp1 = new int[V+1];Arrays.fill(dp1,Integer.MIN_VALUE);dp1[0] = 0;for (int i = 0; i < n; i ++){for (int j = weight[i]; j <= V; j ++){dp1[j] = Math.max(dp1[j], dp1[j - weight[i]] + value[i]);if (dp1[j] < 0){dp1[j] = Integer.MIN_VALUE;}}} System.out.println(dp1[V] == Integer.MIN_VALUE ? 0: dp1[V]);}}
}

力扣相关题目：
518.零钱兑换II
322.零钱兑换
279.完全平方数
377. 组合总和 Ⅳ
139.单词拆分

Java代码：

class Solution {// 518.零钱兑换II// 求组合数问题：dp[j] += dp[j - coins[i]];public int change(int amount, int[] coins) {int[] dp = new int[amount + 1];dp[0] = 1;for (int i = 0; i < coins.length; i ++){for (int j = coins[i]; j <= amount; j ++){dp[j] += dp[j - coins[i]];}}return dp[amount];}// 322.零钱兑换// 这次不是求最大值，而是求最小值// 在初始化是需要Integer.MAX_VALUE填充public int coinChange(int[] coins, int amount) {int maxn = Integer.MAX_VALUE;int n = coins.length;int[] dp = new int[amount + 1];Arrays.fill(dp,maxn);dp[0] = 0;for (int i = 0; i < n; i ++){for (int j = coins[i]; j <= amount; j ++){if (dp[j - coins[i]] != maxn) dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);}}return dp[amount] == maxn ? -1:dp[amount];}// 279.完全平方数public int numSquares(int n) {int maxn = Integer.MAX_VALUE;int[] dp = new int[n + 1];Arrays.fill(dp,maxn);dp[0] = 0;for (int i = 1; i*i <= n; i ++){for (int j = i*i; j <= n; j ++){if (dp[j - i*i] != maxn) dp[j] = Math.min(dp[j], dp[j - i*i] + 1);}}return dp[n] == maxn ? -1 : dp[n];}// 377. 组合总和 Ⅳ// 求排列（有顺序的），不是组合// 先遍历容量public int combinationSum4(int[] nums, int target) {int n = nums.length;int[] dp = new int[target + 1];dp[0] = 1;for (int i = 0; i <= target; i ++){for (int j = 0; j < n; j ++){if (i >= nums[j]) dp[i] += dp[i - nums[j]];}}return dp[target];}// 139.单词拆分public boolean wordBreak(String s, List<String> wordDict) {int n = s.length();boolean[] dp = new boolean[n + 1];dp[0] = true;for (int i = 1; i <= n; i ++){for (String word:wordDict){int len = word.length();if (i >= len && dp[i - len] && word.equals(s.substring(i - len,i))) dp[i] = true;}}return dp[n];}}

背包总结：

  • 递推公式：

    • 问能否能装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
      • 416.分割等和子集
      • 1049.最后一块石头的重量II
    • 问装满背包有几种方法：dp[j] += dp[j - nums[i]]
      • 494.目标和
      • 518.零钱兑换II
      • 377. 组合总和 Ⅳ
    • 问背包装满最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
      • 474.一和零
    • 问装满背包所有物品的最小个数：dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
      • 322.零钱兑换
      • 279.完全平方数

  • 组合or排列

    • 组合外循环物品，内循环容量
    • 518.零钱兑换II
    • 排列外循环容量，内循环物品
    • 377. 组合总和 Ⅳ

打家劫舍

力扣相关题目：
198.打家劫舍
213.打家劫舍II
337.打家劫舍 III

Java代码：

class Solution {// 198.打家劫舍// 一个数组相邻之间不能连着偷，如何偷才能得到最大金钱public int rob(int[] nums) {if (nums == null || nums.length == 0) return 0;if (nums.length == 1) return nums[0];int n = nums.length;int[] dp = new int[n];dp[0] = nums[0];dp[1] = Math.max(nums[0],nums[1]);for (int i = 2; i < n; i ++){dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);}return dp[n - 1];}// 213.打家劫舍II// 数组成环了，然后相邻的不能连着偷// 情况一：考虑包含首元素，不包含尾元素// 情况二：考虑包含尾元素，不包含首元素// 两种情况求最大public int robRange(int[] nums, int start, int end){if (start == end) return nums[start];int[] dp = new int[nums.length];dp[start] = nums[start];dp[start + 1] = Math.max(nums[start], nums[start + 1]);for (int i = start + 2; i <= end;  i++){dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);}return dp[end];}// 337.打家劫舍 III// 采用后序遍历// 如果是偷当前节点，那么左右孩子就不能偷，val1 = cur->val + left[0] + right[0];// 如果不偷当前节点，那么左右孩子就可以偷，至于到底偷不偷一定是选一个最大的，所以：val2 = max(left[0], left[1]) + max(right[0], right[1]);// 最后当前节点的状态就是{val2, val1}; 即：{不偷当前节点得到的最大金钱，偷当前节点得到的最大金钱}public int rob(int[] nums) {if (nums == null || nums.length == 0) return 0;if (nums.length == 1) return nums[0];int n = nums.length;int result1 = robRange(nums,0,n - 2);int result2 = robRange(nums,1,n - 1);return Math.max(result1,result2);}public int[] robTree(TreeNode root){if (root == null) return new int[]{0,0};int[] left = robTree(root.left);int[] right = robTree(root.right);int var1 = root.val + left[0] + right[0];int var2 = Math.max(left[0],left[1]) + Math.max(right[0],right[1]);return new int[] {var2,var1};}public int rob(TreeNode root) {int[] result = robTree(root);return Math.max(result[0],result[1]);}}

买卖股票的最佳时机（状态转换）

力扣相关题目：
121. 买卖股票的最佳时机
122.买卖股票的最佳时机II
123.买卖股票的最佳时机III
188.买卖股票的最佳时机IV
309.最佳买卖股票时机含冷冻期
714.买卖股票的最佳时机含手续费

Java代码：

class Solution {// 121. 买卖股票的最佳时机// dp[i][0]表示第i天持有股票所得最多现金// dp[i][1]表示第i天不持有股票所得最多现金// 如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来：// 1.第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]// 2.第i天买入股票，所得现金就是买入今天的股票后所得现金即：-prices[i]// dp[i][0] = max(dp[i - 1][0], -prices[i]);// 如果第i天不持有股票即dp[i][1]， 也可以由两个状态推出来// 1.第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]// 2.第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：prices[i] + dp[i - 1][0]// dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);public int maxProfit(int[] prices) {int n = prices.length;if (n == 0) return 0;int[][] dp = new int[n][2];dp[0][0] -= prices[0];dp[0][1] = 0;for (int i = 1; i < n; i ++){dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);}return dp[n - 1][1];}// 122.买卖股票的最佳时机IIpublic int maxProfit(int[] prices) {int n = prices.length;if (n == 0) return 0;int[][] dp = new int[n][2];dp[0][0] -= prices[0];dp[0][1] = 0;for (int i = 1; i < n; i ++){// 与上题的区别只在这里dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);}return dp[n - 1][1];}// 123.买卖股票的最佳时机III// dp有五个状态// 0.没有操作 （其实我们也可以不设置这个状态）// 1.第一次持有股票// 2.第一次不持有股票// 3.第二次持有股票// 4.第二次不持有股票public int maxProfit(int[] prices) {int n = prices.length;if (n == 0) return 0;int[][] dp = new int[n][5];dp[0][1] -= prices[0];dp[0][3] -= prices[0];for (int i = 1; i < n; i ++){dp[i][0] = dp[i - 1][0];dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);}return dp[n - 1][4];}// 188.买卖股票的最佳时机IV// 上一题拓展到通用的k个股票public int maxProfit(int k, int[] prices) {int n = prices.length;if (n == 0) return 0;int[][] dp = new int[n][2*k + 1];for (int i = 1; i < 2*k; i += 2){dp[0][i] -= prices[0];}for (int i = 1; i < n; i ++){for (int j = 0; j < 2*k - 1; j += 2 ){dp[i][j + 1] = Math.max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);dp[i][j + 2] = Math.max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);}}return dp[n - 1][2*k];}// 309.最佳买卖股票时机含冷冻期// 需要结合状态转换图来理解public int maxProfit(int[] prices) {int n = prices.length;if (n == 0) return 0;int[][] dp = new int[n][4];dp[0][0] -= prices[0];for (int i = 1; i < n; i ++){dp[i][0] = Math.max(dp[i - 1][0], Math.max(dp[i - 1][1] - prices[i], dp[i - 1][3] - prices[i]));dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][3]);dp[i][2] = dp[i - 1][0] + prices[i];dp[i][3] = dp[i - 1][2];}return Math.max(dp[n - 1][1], Math.max(dp[n - 1][2], dp[n - 1][3]));}// 714.买卖股票的最佳时机含手续费//与122类似，就是多了手续费public int maxProfit(int[] prices, int fee) {int n = prices.length;if (n == 0) return 0;int[][] dp = new int[n][2];dp[0][0] -= prices[0];for (int i = 1; i < n; i ++){dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);// 卖出需要手续费dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);}return Math.max(dp[n - 1][0], dp[n - 1][1]);}}

最长子序列

力扣相关题目：
300.最长递增子序列
674. 最长连续递增序列
53. 最大子序和
718. 最长重复子数组

Java代码：

class Solution {// 300.最长递增子序列// dp[i]: 表示i之前包括i的以nums[i]结尾的最长递增子序列的长度// 位置i的最长升序子序列等于j从0到i-1各个位置的最长升序子序列 + 1 的最大值// if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1)// 最后求全局的最大值public int lengthOfLIS(int[] nums) {int n = nums.length;if (n <= 1) return n;int[] dp = new int[n];Arrays.fill(dp,1);for (int i = 1; i < n; i ++){for (int j = 0; j < i; j ++){if (nums[j] < nums[i]) dp[i] = Math.max(dp[i], dp[j] + 1);}}int res = 0;for (int i = 0; i < n; i ++){res = Math.max(res, dp[i]);}return res;}// 674. 最长连续递增序列// dp[i]:以下标i为结尾的连续递增的子序列长度// 以 i 为结尾的连续递增的子序列长度 一定等于 以i - 1为结尾的连续递增的子序列长度 + 1// dp[i] = dp[i - 1] + 1 与上题的区别public int findLengthOfLCIS(int[] nums) {int n = nums.length;if (n == 0) return 0;int res = 1;int[] dp = new int[n];Arrays.fill(dp,1);for (int i = 1; i < n; i ++){if (nums[i] > nums[i - 1]) dp[i] = dp[i - 1] + 1;if (res < dp[i]) res = dp[i];}return res;}// 53. 最大子序和// dp[i]两个方面// 1.dp[i - 1] + nums[i]，即：nums[i]加入当前连续子序列和// 2.nums[i]，即：从头开始计算当前连续子序列和// 取最大值public int maxSubArray(int[] nums) {int n = nums.length;if (n == 0) return 0;int[] dp = new int[n];dp[0] = nums[0];int result = dp[0];for (int i = 1; i < n; i ++){dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);if (dp[i] > result) result = dp[i];}return result;}// 718. 最长重复子数组// dp[i][j] ：以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j]// 与674很像public int findLength(int[] nums1, int[] nums2) {int n = nums1.length, m = nums2.length;int[][] dp = new int[n][m];for (int i = 0; i < n; i ++) {if (nums1[i] == nums2[0]) dp[i][0] = 1;}for (int j = 0; j < m; j ++){if (nums2[j] == nums1[0]) dp[0][j] = 1;}int res = 0;for (int i = 0; i < n; i ++){for (int j = 0; j < m; j ++){if (nums1[i] == nums2[j] && i > 0 && j > 0){dp[i][j] = dp[i - 1][j - 1] + 1;}if (dp[i][j] > res) res = dp[i][j];}}return res;}}

最长公共序列

力扣相关题目：
1143.最长公共子序列
1035.不相交的线

Java代码：

class Solution {// 1143.最长公共子序列// 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]// 两种情况：// 1. 如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，所以dp[i][j] = dp[i - 1][j - 1] + 1;// 2.如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的public int longestCommonSubsequence(String text1, String text2) {int m = text1.length(), n = text2.length();int[][] dp = new int[m+1][n+1];for (int i = 1; i <= m; i ++){for (int j = 1; j <= n; j ++){if (text1.charAt(i - 1) == text2.charAt(j - 1)){dp[i][j] = dp[i - 1][j - 1] + 1;}else{dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);}}}return dp[m][n];}// 1035.不相交的线// 与上一题等价public int maxUncrossedLines(int[] nums1, int[] nums2) {int n = nums1.length, m = nums2.length;int[][] dp = new int[n + 1][m + 1];for (int i = 1; i <= n; i ++){for (int j = 1; j <= m; j ++){if (nums1[i - 1] == nums2[j - 1]){dp[i][j] = dp[i - 1][j - 1] + 1;}else{dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);}}}return dp[n][m];}}

子序列有关（删除元素）

力扣相关题目：
392.判断子序列
115.不同的子序列
583. 两个字符串的删除操作
72. 编辑距离

Java代码：

class Solution {// 392.判断子序列// 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// s[i - 1] == t[j - 1]：t中找到了一个字符在s中也出现了// s[i - 1] != t[j - 1]：相当于t要删除元素，继续匹配public boolean isSubsequence(String s, String t) {int n = s.length(), m = t.length();int[][] dp = new int[n + 1][m + 1];for (int i = 1; i <= n; i ++){for (int j = 1; j <= m; j ++){if (s.charAt(i - 1) == t.charAt(j - 1)){dp[i][j] = dp[i - 1][j - 1] + 1;}else{dp[i][j] = dp[i][j - 1];}}}if (dp[n][m] == n) return true;return false;}// 115.不同的子序列// 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的个数为dp[i][j]// s[i - 1] == t[j - 1]:// 1.一部分是用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]// 2.一部分是不用s[i - 1]来匹配，个数为dp[i - 1][j]// s[i - 1] != t[j - 1]：不用s[i - 1]来匹配（就是模拟在s中删除这个元素）public int numDistinct(String s, String t) {int n = s.length(), m = t.length();int[][] dp = new int[n + 1][m + 1];for (int i = 0; i <= n; i ++) dp[i][0] = 1;for (int j = 1; j <= m; j ++) dp[0][j] = 0;for (int i = 1; i <= n; i ++){for (int j = 1; j <= m; j ++){if (s.charAt(i - 1) == t.charAt(j - 1)){dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];}else dp[i][j] = dp[i - 1][j];}}return dp[n][m];}// 583. 两个字符串的删除操作// dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2// s[i - 1] == t[j - 1]:dp[i][j] = dp[i - 1][j - 1];// s[i - 1] != t[j - 1]：删除s的或t的public int minDistance(String word1, String word2) {int n = word1.length(), m = word2.length();int[][] dp = new int[n + 1][m + 1];for (int i = 0; i <= n; i ++) dp[i][0] = i;for (int j = 0; j <= m; j ++) dp[0][j] = j;for (int i = 1; i <= n; i ++){for (int j = 1; j <= m; j ++){if (word1.charAt(i - 1) == word2.charAt(j - 1)){dp[i][j] = dp[i - 1][j - 1];}else{dp[i][j] = Math.min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);}}}return dp[n][m];}// 72. 编辑距离// 删除或添加可以都看作是删除// word1替换word1[i - 1]，使其与word2[j - 1]相同public int minDistance(String word1, String word2) {int n = word1.length(), m = word2.length();int[][] dp = new int[n + 1][m + 1];for (int i = 0; i <= n; i ++) dp[i][0] = i;for (int j = 1; j <= m; j ++) dp[0][j] = j;for (int i = 1; i <= n; i ++){for (int j = 1; j <= m; j ++){if (word1.charAt(i - 1) == word2.charAt(j - 1)){dp[i][j] = dp[i - 1][j - 1];}else{dp[i][j] = Math.min(dp[i - 1][j - 1], Math.min(dp[i - 1][j], dp[i][j - 1]))+1;}}}return dp[n][m];}}

回文子串

力扣相关题目：
647. 回文子串
516.最长回文子序列

Java代码：

class Solution {// 647. 回文子串// 只考虑s[i] == t[j]的情况// 1.下标i 与 j相同，同一个字符例如a，当然是回文子串// 2.下标i 与 j相差为1，例如aa，也是回文子串// 3.下标：i 与 j相差大于1的时候，例如cabac，此时s[i]与s[j]已经相同了，我们看i到j区间是不是回文子串就看aba是不是回文就可以了，那么aba的区间就是 i+1 与 j-1区间，这个区间是不是回文就看dp[i + 1][j - 1]是否为true。public int countSubstrings(String s) {int n = s.length();boolean[][] dp = new boolean[n][n];int res = 0;for (int i = 0; i < n; i ++){for (int j = 0; j < n; j ++){dp[i][j] = false;}}for (int i = n - 1; i >= 0; i --){for (int j = i; j < n; j ++){if (s.charAt(i) == s.charAt(j)){if (j - i <= 1){res ++;dp[i][j] = true;}else if (dp[i + 1][j - 1]){res ++;dp[i][j] = true;}}}}return res;}// 516.最长回文子序列// 如果s[i]与s[j]不相同，说明s[i]和s[j]的同时加入 并不能增加[i,j]区间回文子序列的长度，那么分别加入s[i]、s[j]看看哪一个可以组成最长的回文子序列public int longestPalindromeSubseq(String s) {int n = s.length();int[][] dp = new int[n][n];for (int i = 0; i < n; i ++) dp[i][i] = 1;for (int i = n - 1; i >= 0; i --){for (int j = i + 1; j < n; j ++){if (s.charAt(i) == s.charAt(j)){dp[i][j] = dp[i + 1][j - 1] + 2;}else{dp[i][j] = Math.max(dp[i + 1][j], dp[i][j - 1]);}}}return dp[0][n - 1];}}

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。如若转载，请注明出处：http://www.mzph.cn/news/790464.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

机器学习的15个概念

机器学习的15个概念

机器学习 有监督学习 有监督学习是利用训练数据集进行预测的机器学习任务。有监督学习可以分为分类和回归。回归用于预测“价格”“温度”或“距离”等连续值&#xff0c;而分类用于预测“是”或“否”、“垃圾邮件”或“非垃圾邮件”、“恶性”或“良性”等类别。 分类包含…
阅读更多...
如何保护IP地址？安全匿名上网的方法

如何保护IP地址？安全匿名上网的方法

当互联网成为每个家庭的重要组成部分后&#xff0c;IP地址就成了你的虚拟地址。您的请求从该地址开始&#xff0c;然后 Internet 将消息发送回该地址。那么&#xff0c;您担心您的地址被泄露吗&#xff1f; 对于安全意识高或者某些业务需求的用户&#xff0c;如果您正在寻找保护…
阅读更多...
C++ 静态库与动态库的生成和使用：基于 VS Studio 生成 newmat 矩阵库的静态库与动态库

C++ 静态库与动态库的生成和使用：基于 VS Studio 生成 newmat 矩阵库的静态库与动态库

文章目录 Part.I IntroductionChap.I 预备知识Chap.II 静态库与动态库区分 Part.II 静态库的生成与使用 (newmat)Chap.I 生成静态库Chap.II 使用静态库 Part.III 动态库的生成与使用 (newmat)Chap.I 生成动态库Chap.II 使用动态库 Part.IV 文件内容Chap.I test.cpp (静态库)Cha…
阅读更多...
Hadoop Yarn

Hadoop Yarn

首先先从Yarn开始讲起&#xff0c;Yarn是Hadoop架构的资源管理器&#xff0c;可以管理mapreduce程序的资源分配和任务调度。 Yarn主要有ResourceManager、NodeManage、ApplicationMaster&#xff0c;Container ResourceMange负责管理全局的资源 NodeManage&#xff08;NM&a…
阅读更多...
九河云：在AWS上实现跨region VPC互联

九河云：在AWS上实现跨region VPC互联

如何跨region实现不同VPC之间的对等链接&#xff1f;九河云为您介绍AWS跨region连接方案。 说明&#xff1a;VPC-A位于弗吉尼亚region&#xff0c;VPC-B位于俄勒冈region 本文将在同一账户的弗吉尼亚和俄勒冈VPC中各启用一台EC2&#xff08;本文已提前创建好VPC、EC2等资源&am…
阅读更多...
【PostgreSQL内核学习（二十九）—— 执行器（ExecProcNode）】

【PostgreSQL内核学习（二十九）—— 执行器（ExecProcNode）】

执行器&#xff08;ExecProcNode&#xff09; 概述ExecProcNode 函数ExecProcNodeFirst 函数PlanState 结构体 声明&#xff1a;本文的部分内容参考了他人的文章。在编写过程中&#xff0c;我们尊重他人的知识产权和学术成果&#xff0c;力求遵循合理使用原则&#xff0c;并在适…
阅读更多...
Spring Boot中前端通过请求接口下载后端存放的Excel模板

Spring Boot中前端通过请求接口下载后端存放的Excel模板

导出工具类 package com.yutu.garden.utils;import com.baomidou.mybatisplus.core.toolkit.ObjectUtils; import org.apache.commons.io.IOUtils; import org.apache.poi.hssf.util.HSSFColor; import org.apache.poi.xssf.usermodel.XSSFWorkbook; import org.slf4j.Logger;…
阅读更多...
云计算的安全需求

云计算的安全需求

目录 一、概述 二、云安全服务基本能力要求 三、信息安全服务&#xff08;云计算安全类&#xff09;资质要求 3.1 概述 3.2 资质要求内容 3.2.1 组织与管理要求 3.2.2 技术能力要求 四、云安全主要合规要求 4.1 安全管理机构部门的建立 4.2 安全管理规范计划的编制 4…
阅读更多...
C++ //练习 11.3 编写你自己的单词计数程序。

C++ //练习 11.3 编写你自己的单词计数程序。

C Primer&#xff08;第5版&#xff09; 练习 11.3 练习 11.3 编写你自己的单词计数程序。 环境&#xff1a;Linux Ubuntu&#xff08;云服务器&#xff09; 工具&#xff1a;vim 代码块 /*************************************************************************> …
阅读更多...
Vue 学习随笔系列十二 -- 表格内容渲染方法

Vue 学习随笔系列十二 -- 表格内容渲染方法

表格内容渲染方法 文章目录 表格内容渲染方法1、使用 formatter 函数2、 使用 render 函数3、使用 template 自定义4、使用 slot 插槽5、注意 1、使用 formatter 函数 示例代码1 <el-table-column prop"status" label"状态" align"center" …
阅读更多...
2024最新AI创作系统ChatGPT源码+Ai绘画网站源码，GPTs应用、AI换脸、插件系统、GPT文档分析、GPT语音对话一站式解决方案

2024最新AI创作系统ChatGPT源码+Ai绘画网站源码，GPTs应用、AI换脸、插件系统、GPT文档分析、GPT语音对话一站式解决方案

一、前言 SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统&#xff0c;支持OpenAI-GPT全模型国内AI全模型。本期针对源码系统整体测试下来非常完美&#xff0c;那么如何搭建部署AI创作ChatGPT&#xff1f;小编这里写一个详细图文教程吧。已支持GPT…
阅读更多...
记 log4j-over-slf4j.jar AND bound slf4j-log4j12.jar jar包冲突问题

记 log4j-over-slf4j.jar AND bound slf4j-log4j12.jar jar包冲突问题

报错信息如下 SLF4J: Detected both log4j-over-slf4j.jar AND bound slf4j-log4j12.jar on the class path, preempting StackOverflowError. SLF4J: See also http://www.slf4j.org/codes.html#log4jDelegationLoop for more details. Exception in thread “main” java.lan…
阅读更多...
NineData云原生智能数据管理平台新功能发布｜2024年3月版

NineData云原生智能数据管理平台新功能发布｜2024年3月版

数据库 DevOps - 大功能升级 SQL 开发早期主要提供 SQL 窗口&#xff08;IDE&#xff09;功能&#xff0c;在产品经过将近两年时间的打磨&#xff0c;新增了大量的企业级功能&#xff0c;已经服务了上万开发者&#xff0c;覆盖了数据库设计、开发、测试、变更等生命周期的功能…
阅读更多...
神经网络与深度学习（二）

神经网络与深度学习（二）

一、深度学习平台 张量&#xff08;Tensor&#xff09; 是一个物理量&#xff0c;对高维(维数 ≥ 2) 的物理量进行“量纲分析” 的一种工具。简单的可以理解为&#xff1a;一维数组称为矢量&#xff0c;二维数组为二阶张量&#xff0c;三维数组为三阶张量 计算图 用“结点”…
阅读更多...
调用飞书获取用户Id接口成功，但是没有返回相应数据

调用飞书获取用户Id接口成功，但是没有返回相应数据

原因&#xff1a; 该自建应用没有开放相应的数据权限。 解决办法&#xff1a; 在此处配置即可。
阅读更多...
单片机学习笔记——ESP32

单片机学习笔记——ESP32

ESP32 引言ESP32的一些基本知识ESP32 的通信能量消耗ESP的休眠模式中断程序定时器 Timers脉宽调制频 pulse-width modulation数模转换器SAR ADC 逐次逼近型ADC应用——停车占用探测HCSR-04引脚器件参数工作原理
阅读更多...
DETR【Transformer+目标检测】

DETR【Transformer+目标检测】

End-to-End Object Detection with Transformers 2024 NVIDIA GTC&#xff0c;发布了地表最强的GPU B200&#xff0c;同时&#xff0c;黄仁勋对谈《Attention is All You Need》论文其中的7位作者&#xff0c;座谈的目的无非就是诉说&#xff0c;Transformer才是今天人工智能成…
阅读更多...
【环境变量】命令行参数 | 概念 | 理解 | 命令行参数表 | bash进程

【环境变量】命令行参数 | 概念 | 理解 | 命令行参数表 | bash进程

目录 四组概念 命令行参数概念&理解 查看命令函参数 命令行字符串&命令行参数表 命令行参数存在的意义 谁形成的命令行参数 父进程&子进程&数据段 bash进程 最近有点小忙&#xff0c;可能更新比较慢。 四组概念 竞争性: 系统进程数目众多&#xff0c…
阅读更多...
构建企业级微服务平台：实现可扩展性、弹性和高效性

构建企业级微服务平台：实现可扩展性、弹性和高效性

在软件开发的快速发展领域中&#xff0c;企业不断努力构建健壮、可扩展和高效的系统。随着微服务架构的出现&#xff0c;再加上云原生技术的应用&#xff0c;创建敏捷且具有弹性的平台的可能性是无限的。在本指南中&#xff0c;我们将深入探讨使用强大的工具和技术组合&#xf…
阅读更多...
Python基于深度学习的人脸识别项目源码+演示视频，利用OpenCV进行人脸检测与识别 preview

Python基于深度学习的人脸识别项目源码+演示视频，利用OpenCV进行人脸检测与识别 preview

​ 一、原理介绍 该人脸识别实例是一个基于深度学习和计算机视觉技术的应用&#xff0c;主要利用OpenCV和Python作为开发工具。系统采用了一系列算法和技术&#xff0c;其中包括以下几个关键步骤&#xff1a; 图像预处理&#xff1a;首先&#xff0c;对输入图像进行预处理&am…
阅读更多...
最新文章

Copyright @ 2022~2023