1. 最长递增子序列(注意不连续)
给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
1)动态规划
dp[i]--------到i为止包括i递增子序列的长度,最后一位必须包括nums[i]
dp[i]=Math.max(dp[0],dp[1],....,dp[i-1])+1;
if(nums[i]>nums[j]) dp[i]=Math.max(dp[i],dp[j]+1);
public int lengthOfLIS(int[] nums) {
if (nums.length==1) return 1;
int[] dp=new int[nums.length];
int result=1;
for(int i=0;i<nums.length;i++) {dp[i]=1;}
for(int i=1;i<nums.length;i++){//
for(int j=0;j<i;j++){
if(nums[i]>nums[j]) dp[i]=Math.max(dp[i],dp[j]+1);}
if(dp[i]>result) result=dp[i];
}
return result;}
2) 贪心
思路:上升子序列尽可能的长,则我们需要让序列上升得尽可能慢,因此我们希望每次在上升子序列最后加上的那个数尽可能的小
维护数组 d[i],表示长度为 i 的最长上升子序列的末尾元素的最小值,用len 记录目前最长上升子序列的长度,起始时 len为 1,d[1]=nums[0]。
注意:d[i] 是关于i单调递增的。
依次遍历数组 nums ,并更新数组 d 和 len的值。如果nums[i]>d[len] 则更新 len = len + 1,否则在 d[1...len]中找满足d[i−1]<nums[j]<d[i] 的下标 i,并更新d[i]=nums[j]。根据d数组的单调性,我们可以使用二分查找寻找下标 i,优化时间复杂度。
最后整个算法流程为:
设当前已求出的最长上升子序列的长度为 len(初始时为 1),从前往后遍历数组 nums,在遍历到nums[i] 时:
如果nums[i]>d[len] ,则直接加入到 d 数组末尾,并更新len=len+1;
否则,在 d数组中二分查找,找到第一个比 nums[i] 小的数 d[k],并更新 d[k+1]=nums[i]。
2. 重复子数组
解题套路:dp[i][j]------>以下标i - 1为结尾的A,和以下标j - 1为结尾的B,最⻓重复⼦数组⻓度为dp[i][j]
2.1) 最⻓重复⼦数组
给两个整数数组 A 和 B ,返回两个数组中公共的、⻓度最⻓的⼦数组的⻓度。
class Solution {
//dp[i][j]->以下标i-1为结尾的A,和以下标j-1为结尾的B,最⻓重复⼦数组⻓度为dp[i][j]
public int findLength(int[] nums1, int[] nums2) {
//想要得到dp[nums1.length][nums2.length]
int[][] dp=new int[nums1.length+1][nums2.length+1];
dp[0][0]=0; int result=0;
for(int i=1;i<=nums1.length;i++){//i的定义
for(int j=1;j<=nums2.length;j++){
if(nums1[i-1]==nums2[j-1]) dp[i][j]=dp[i-1][j-1]+1;
if(dp[i][j]>result) result=dp[i][j];}
}
return result;}
}
2.2)最⻓公共⼦序列
给定两个字符串 text1 和 text2 ,返回这两个字符串的最⻓公共⼦序列的⻓度。
⼀个字符串的⼦序列是指这样⼀个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如, "ace" 是 "abcde" 的⼦序列,但 "aec" 不是 "abcde" 的⼦序列。两个字符串的「公共⼦序列」是这两个字符串所共同拥有的⼦序列。
若这两个字符串没有公共⼦序列,则返回 0 。
class Solution {
/*dp[i][j]->⻓度为[0,i-1]的字符串text1与⻓度为[0,j-1]的字符串text2的最⻓公共⼦序列为dp[i][j]
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;
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]的最⻓公共⼦序列和text1[0,i-1]与text2[0,j-2]的最⻓公共⼦序列,取最⼤的。
*/
public int longestCommonSubsequence(String text1, String text2) {
//想要得到dp[text1.length()][text2.length()]
int[][] dp=new int[text1.length()+1][text2.length()+1];
if(text1==null||text2==null||text1.length()<=0||text2.length()<=0)
return text1.length()<=0? text2.length():text1.length();
dp[0][0]=0;
for(int i=1;i<=text1.length();i++){
for(int j=1;j<=text2.length();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[text1.length()][text2.length()];
}
}
2.3) 不相交的线-----序列
我们在两条独⽴的⽔平线上按给定的顺序写下 A 和 B 中的整数。 现在,我们可以绘制⼀些连接两个数字 A[i] 和 B[j] 的直线,只要 A[i] == B[j] ,且我们绘制的直线不与任何其他连线(⾮⽔平线)相交。以这种⽅法绘制线条,并返回我们可以绘制的最⼤连线数
class Solution {
public int maxUncrossedLines(int[] nums1, int[] nums2) {
int[][] dp=new int[nums1.length+1][nums2.length+1];
dp[0][0]=0; int result=0;
for(int i=1;i<=nums1.length;i++){
for(int j=1;j<=nums2.length;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]);
if(result<dp[i][j]) result=dp[i][j];}
}
return result;}
}
2.4) 连续数组最大和
给定⼀个整数数组 nums ,找到⼀个具有最⼤和的连续⼦数组(⼦数组最少包含⼀个元素),返回其最 ⼤和。
2.5) 判断⼦序列
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)。
class Solution {
/*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]
dp[i][j]=dp[i - 1][j - 1] + dp[i - 1][j];
s[i-1]!=t[j-1] dp[i][j]=dp[i - 1][j]
*/
public int numDistinct(String s, String t) {
int[][] dp=new int[s.length()+1][t.length()+1];
for(int i=0;i<s.length();i++) dp[i][0]=1;
for(int j=1;j<t.length();j++) dp[0][j]=0;
for(int i=1;i<s.length()+1;i++){
for(int j=1;j<t.length()+1;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[s.length()][t.length()];}
}
2.6) 两个字符串的删除操作
给定两个单词 word1 和 word2 ,找到使得 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。
示例:
输⼊ : "sea", "eat"
输出 : 2
解释 : 第⼀步将 "sea" 变为 "ea" ,第⼆步将 "eat" 变为 "ea"
class Solution {
/*dp[i][j]-----s1在i-1,s2在j-1相同的最少步数*/
public int minDistance(String word1, String word2) {
int[][] dp=new int[word1.length()+1][word2.length()+1];
for(int i=0;i<=word1.length();i++) dp[i][0]=i;
for(int j=0;j<=word2.length();j++) dp[0][j]=j;
for(int i=1;i<word1.length()+1;i++){
for(int j=1;j<word2.length()+1;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],dp[i][j-1])+1;
}
}
return dp[word1.length()][word2.length()];
}
}
2.7) 回⽂⼦串
给定⼀个字符串,你的任务是计算这个字符串中有多少个回⽂⼦串。 具有不同开始位置或结束位置的⼦串,即使是由相同的字符组成,也会被视作不同的⼦串。
1)动态规划
思路:dp[i][j]-----[i,j]是否回文
s[i]=s[j]----j-i<=2,true;count++;否则dp[i+1][j-1].....
注意dp[i][j]-----由dp[i+1][j-1]推出来
class Solution {
public int countSubstrings(String s) {
if (s == null || s.length()< 1) return 0;
int result=0;
boolean[][] dp=new boolean[s.length()][s.length()];
for(int i=s.length()-1;i>=0;i--){
for(int j=i;j<s.length();j++){
if(s.charAt(i)==s.charAt(j)&&((j-i<=2)||dp[i+1][j-1])){
dp[i][j]=true;
result++;}
} }
return result; }}
2)双指针法
以每个点为中心遍历,中心不是一位就是2位
class Solution {
public int countSubstrings(String s) {
if (s == null || s.length()< 1) return 0;
int result=0;
for (int i = 0; i < s.length(); i++) {
result += extend(s, i, i, s.length()); // 以i为中⼼
result += extend(s, i, i + 1, s.length()); // 以i和i+1为中⼼
}
return result;}
public int extend(String s, int i, int j, int length) {
int res=0;
while(i>=0&&j<length&&(s.charAt(i)==s.charAt(j))){
i--;j++;res++;
}
return res;}
}
2.8) 最⻓回⽂⼦序列
给定⼀个字符串 s ,找到其中最⻓的回⽂⼦序列,并返回该序列的⻓度。可以假设 s 的最⼤⻓度为 1000 。
思路: dp[i][j]----[i, j]范围内最⻓的回⽂⼦序列的⻓度为dp[i][j]
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]区间回⽂⼦串的⻓度,那么分别加⼊s[i]、s[j]看看哪⼀个可以组成最⻓的回⽂⼦序列。
if(s.charAt(i)==s.charAt(j)) dp[i][j]=dp[i+1][j-1]+2;
else dp[i][j]=Math.max(dp[i][j-1],dp[i+1][j]);
//其实是从最后反推回来的:i要用到i+1;j是递增
class Solution {
public int longestPalindromeSubseq(String s) {
int[][] dp=new int[s.length()][s.length()];
for (int i = 0; i<s.length(); i++) dp[i][i] = 1;
for(int i=s.length()-1;i>=0;i--){
for(int j=i+1;j<s.length();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][j-1],dp[i+1][j]);}}
return dp[0][s.length()-1];
}
}