题目1  392 判读子序列

题目链接  392 判断子序列

题意

判断字符串s是否为字符串t的子序列  （子序列的相对位置在原字符串中不改变）

就是求最长公共子序列的长度与字符串s的长度是否相等

动态规划

1）确定dp数组及下标i的含义

dp[i][j] 表示以s[i-1]结尾的字符串与以t[j-1]结尾的字符串公共序列的最大长度

2）dp数组初始化

根据递推公式 dp[0][1] = 0   dp[1][0] = 0

3）递推公式

if(s[i-1] == t[j-1]) dp[i][j] = dp[i-1][j-1] +1;

else dp[i][j] = dp[i-1][j];  考虑1种情况  删除t字符串中该位置的元素(减1)，该位置元素对应不等

4）遍历顺序

根据递推公式 从前向后遍历 从左向右遍历

for(int i =1; i <= s.size(); i++){

     for(int j = 1; j <= t.size(); j++){

     }

}

5）打印dp数组

代码

class Solution {
public:bool isSubsequence(string s, string t) {if(s.size() > t.size()) return false;int result = 0;//定义dp数组  初始化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];result = max(result, dp[i][j]);}}if(result == s.size()) return true;return false;}
};

• 时间复杂度：O(n × m)
• 空间复杂度：O(n × m)

题目2 115 不同的子序列

题目链接 115 不同的子序列

题意

统计字符串s的子序列中字符串t出现的次数  即字符串s里面删除t能否变成字符串t

动态规划

1）确定dp数组及下标i的含义

dp[i][j]   以s[i-1]为结尾的字符串s中有t[j-1]为结尾的字符串t的个数

2）dp数组初始化

根据递推公式  dp[i][0]=1   字符串s中有1个空字符串

dp[0][i] = 0  空字符串s中有0个字符串t

dp[0][0]  空字符串s中有1个空字符串t

3）递推公式

若两个元素相等，那么就不考虑这个位置的元素  个数取决于：

1）前面已有的个数  dp[i-1][j-1]    2）字符串s中相邻两元素相同，模拟删除第一个(减1)  dp[i-1][j]

if(s[i-1] == t[i-1])   dp[i][j] = dp[i-1][j-1] + dp[i-1][j]

若不等，则模拟将元素从字符串s删除掉（减1）

else dp[i][j] = dp[i-1][j]     

4）遍历顺序

根据递推公式  从左向右遍历，从上到下遍历

for(int i = 1; i <= s.size(); i++){

   for(int j = 1; j <= t.size(); j++){

   }

}

5）打印dp数组

本题要求判断个数，所以要使用dp[s.size()][t.size()]求解最终的个数

如果再定义result与dp[i][j]比较了，会遇到这样的情况  s="eee"   t="eee"会得到错误的结果3

因为这里面的每个e都相同，在中间过程会重复计数，所以会产生错误

所以还是应该使用dp[s.size()][t.size()]表示以s.size()-1结尾的字符串s中有t.size()-1结尾的字符串t的个数，说明字符串s遍历到了末尾的位置，求解的是全部的个数

代码

class Solution {
public:int numDistinct(string s, string t) {if(s.size() < t.size()) return 0;//定义并初始化dp数组vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size() + 1, 0));//初始化dp数组for(int i = 0; i <= s.size(); i++){dp[i][0] = 1;}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];}// cout << "i=" << i << " " << "j=" << j << " " << dp[i][j] << endl; }}return dp[s.size()][t.size()];}
};

• 时间复杂度: O(n * m)
• 空间复杂度: O(n * m)

题目3  583 两个字符串的删除操作

题目链接 583 两个字符串的删除操作

题意

返回使得单词word1和word2相同所需的最小步数，每步可以删除任意一个字符串中的一个字符。

动态规划

1）确定dp数组及下标i的含义

dp[i][j]  以word1[i-1]结尾的word1和以word2[j-1]结尾的word2相同的最小操作次数

2）dp数组初始化

根据递推公式 dp[0][j] = j        dp[i][0] = i

其它下标对应的dp[i][j]可初始化为任意值

3）递推公式

两个字符相同时，操作次数不受影响取决于前面的情况

if(word[i-1] == word2[j-1]) dp[i][j] = dp[i-1][j-1];

两个字符不相同时，那么就要删除一个字符(操作次数+1)  或是 删除两个字符(操作次数+2)

else dp[i][j] = min(dp[i-1][j]+1，dp[i][j-1]+1，dp[i-1][j-1]+2)

4）遍历顺序

根据递推公式，从前向后遍历，从左向右遍历

for(int i = 1; i <= word1.size(); i++){

        for(int j = 1; j < word2.size(); j++){

        }

}

5）打印dp数组

代码

class Solution {
public:int minDistance(string word1, string word2) {//定义dp数组vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 2, 0));for(int i = 0; i <= word1.size(); i++){dp[i][0] = i;}for(int j = 0; j <= word2.size(); j++){dp[0][j] = j;}for(int i = 1; i <= word1.size(); i++){for(int j = 1; j <= word2.size(); j++){if(word1[i-1] == word2[j-1]) dp[i][j] = dp[i-1][j-1];else dp[i][j] = min(dp[i-1][j-1] + 2, min(dp[i-1][j] + 1, dp[i][j-1] + 1));  }}return dp[word1.size()][word2.size()];}
};

• 时间复杂度: O(n * m)
• 空间复杂度: O(n * m)

法2：使用最长公共子序列进行求解

word1.size() + word2.size() - 2 * coseqlen;

动态规划

1）确定dp数组及下标i的含义

dp[i][j]  以word1[i-1]结尾的word1和以word2[j-1]结尾的word2最长公共子序列的长度

2）dp数组初始化

根据递推公式 dp[0][j] = 0       dp[i][0] = 0

其它下标对应的dp[i][j]可初始化为任意值

3）递推公式

两个字符相同时，操作次数不受影响取决于前面的情况

if(word[i-1] == word2[j-1]) dp[i][j] = dp[i-1][j-1] + 1;

两个字符不相同时，那么就要删除一个字符(操作次数+1)  或是 删除两个字符(操作次数+2)

else dp[i][j] = max(dp[i-1][j]，dp[i][j-1]，dp[i-1][j-1])

4）遍历顺序

根据递推公式，从前向后遍历，从左向右遍历

for(int i = 1; i <= word1.size(); i++){

        for(int j = 1; j < word2.size(); j++){

        }

}

代码

class Solution {
public:int minDistance(string word1, string word2) {//定义dp数组vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));for(int i = 0; i <= word1.size(); i++){dp[i][0] = 0;}for(int j = 0; j <= word2.size(); j++){dp[0][j] = 0;}for(int i = 1; i <= word1.size(); i++){for(int j = 1; j <= word2.size(); j++){if(word1[i-1] == word2[j-1]){dp[i][j] = dp[i-1][j-1] + 1;}else{dp[i][j] = max(dp[i-1][j-1], max(dp[i-1][j], dp[i][j-1]));}}}return word1.size() + word2.size() - 2 * dp[word1.size()][word2.size()];}
};

• 时间复杂度: O(n * m)
• 空间复杂度: O(n * m)

题目4  72 编辑距离

题目链接 72 编辑距离

题意

返回将word1转换为word2的最小次数（可以插入\删除\替换一个字符）

添加元素和删除元素是一个等价的操作（在word1中添加元素等价于在word2中删除元素）而替换操作是一个新的动作，需要另外考虑

动态规划

1）确定dp数组及下标i的含义

dp[i][j] 以word1[i-1]结尾的word1和以word2[j-1]结尾的word2相同的最小操作次数

2）dp数组初始化

根据递推公式 dp[i][0] = i   dp[0][j] = j  其他下标对应的dp[i][j]可以初始化为任意值。

3）递推公式

if(word1[i-1] == word2[j-1])  dp[i][j] = dp[i-1][j-1];

else dp[i][j] = min(dp[i-1][j]+1，dp[i][j-1]+1，dp[i-1][j-1]+1);

注意本题多了一个操作就是替换的操作  而添加操作与删除操作是等价的

4）遍历顺序

根据递推公式 从上到下遍历，从左往右遍历

for(int i = 1; i <= word1.size(); i++){

        for(int j = 1; j <= word2.size(); j++){

        }

]

5）打印dp数组

代码

class Solution {
public:int minDistance(string word1, string word2) {//定义dp数组vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));//dp数组初始化for(int i = 0; i <= word1.size(); i++){dp[i][0] = i;}for(int j = 0; j <= word2.size(); j++){dp[0][j] = j;}for(int i = 1; i <= word1.size(); i++){for(int j = 1; j <= word2.size(); j++){if(word1[i-1] ==  word2[j-1]) dp[i][j] = dp[i-1][j-1];else dp[i][j] = min(dp[i-1][j-1] + 1, min(dp[i-1][j] + 1, dp[i][j-1] + 1));}}return dp[word1.size()][word2.size()];}
};

• 时间复杂度: O(n * m)
• 空间复杂度: O(n * m)