代码随想录算法训练营第五十六天 | 动态规划 part 14 | 1143.最长公共子序列、1035.不相交的线、53. 最大子序和（dp）

目录

• 1143.最长公共子序列
• • 思路
  • 代码
• 1035.不相交的线
• • 思路
  • 代码
• [53. 最大子序和（dp）](#53. 最大子序和（dp）)
• • 思路
  • 代码

1143.最长公共子序列

Leetcode

思路

本题和718. 最长重复子数组 区别在于这里不要求是连续的了，但要有相对顺序，即："ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。

不是连续的话，具体写代码的区别体现在递推公式上，

if text1[i - 1] != text2[j - 1]: dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])

从下图可以看出来可以有三个方向推导出dp[i][j]

举例推导dp数组

以输入：text1 = "abcde", text2 = "ace" 为例，dp状态如图：

代码

class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        dp = [[0] * (len(text1) + 1) for _ in range(len(text2) + 1)]

        for i in range(1, len(text2) + 1):
            for j in range(1, len(text1) + 1):
                if text2[i - 1] == text1[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + 1
                else:
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
        
        return dp[-1][-1]

• 时间复杂度: O(n * m)，其中 n 和 m 分别为 text1 和 text2 的长度
• 空间复杂度: O(n * m)

1035.不相交的线

Leetcode

思路

此题和上题一模一样。

代码

class Solution:
    def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
        dp = [[0] * (len(nums1) + 1) for _ in range(len(nums2) + 1)]

        for i in range(1, len(nums2) + 1):
            for j in range(1, len(nums1) + 1):
                if nums2[i - 1] == nums1[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + 1
                else:
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
        
        return dp[-1][-1]

53. 最大子序和（dp）

Leetcode

思路

1. dpi：包括下标i（以numsi为结尾）的最大连续子序列和为dpi。
2. 递推公式：
   dpi只有两个方向可以推出来：
   • dp[i - 1] + nums[i]，即：numsi加入当前连续子序列和
   • nums[i]，即：从头开始计算当前连续子序列和
     我一开始写成了dp[i] = max(dp[i], dp[i - 1] + nums[i])，那这就不对了，因为这样就会受到dpi初始化的影响。
3. 初始化：dp0 = nums0，剩下的随意
4. 遍历顺序从前往后
5. 举例
   以示例一为例，输入：nums = -2,1,-3,4,-1,2,1,-5,4，对应的dp状态如下：
   

代码

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        dp = [nums[0]] * len(nums)
        res = nums[0]
        for i in range(1, len(nums)):
            dp[i] = max(nums[i], dp[i - 1] + nums[i])
            res = max(res, dp[i])
        return res

• 时间复杂度：O(n)
• 空间复杂度：O(n)