Day50 | 动态规划 :线性DP 最大子数组和&&不同的子序列

Day50 | 动态规划 :线性DP 最大子数组和&&不同的子序列

动态规划应该如何学习?-CSDN博客

动态规划学习:

1.思考回溯法(深度优先遍历)怎么写

注意要画树形结构图

2.转成记忆化搜索

看哪些地方是重复计算的,怎么用记忆化搜索给顶替掉这些重复计算

3.把记忆化搜索翻译成动态规划

基本就是1:1转换

文章目录

53.最大子数组和

[53. 最大子数组和 - 力扣(LeetCode)](https://leetcode.cn/problems/maximum-subarray/description/)\](https://leetcode.cn/problems/longest-increasing-subsequence/description/) #### 思路分析(子问题): 定义dp\[i\]表示以 nums\[i\] 结尾的最大子数组和 分类讨论: 1.nums\[i

dp[i]=nums[i];

2.nums[i]和前面的数一起组成最大子数组和

dp[i]=dp[i-1]+nums[i];

两种情况取最大值即可

动态规划:

注:

1.初始化是dp[0]=nums[0],因为第一天最大就是自己了

2.最后需要在遍历一次dp数组获得最大值,因为在dp数组更新过程中的for并不包含dp[0]

cpp 复制代码
class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int> dp(nums.size(),INT_MIN/2);
        dp[0]=nums[0];
        for(int i=1;i<nums.size();i++)
            dp[i]=max(nums[i],dp[i-1]+nums[i]);
        int res=INT_MIN;
        for(auto c:dp)
            res=max(res,c);
        return res;    
    }
};

115.不同的子序列

115. 不同的子序列 - 力扣(LeetCode)

思路分析(子问题):

dfs(i,j)为s的前i个字符里面有多少个t的前j个字符组成的子序列

还是s[i]和t[j]选或不选的问题,只是这次不是插入删除的操作数,也不是判断是不是子序列,也不是求和,只是换成了子序列的数量

还是依据选或不选的思路,我们看选或不选s[i]

如果不选s[i],那说明s[i]!=t[j]

cpp 复制代码
dfs(i,j)=dfs(i-1,j);

因为我没选s[i],那我s的前i个字符里面有多少个t的前j个字符组成的子序列和s的前i-1个字符里面有多少个t的前j个字符就是一个东西了

如果选s[i],那说明s[i]==t[j]

复制代码
dfs(i,j)=dfs(i-1,j)+dfs(i-1,j-1);

因为我选了s[i],那我s的前i个字符里面有多少个t的前j个字符组成的子序列和s的前i-1个字符里面有多少个t-1的前j个字符就是一个东西了,因为s[i]==t[j],可以不看这两个

而由于加法原理,这里面只有选或不选两种情况,我们所有的方案数量就是把选和不选的情况都加起来

不选s[i]没法加dfs(i-1,j-1),因为s[i]!=t[j]

递归边界

如果t为空串,那一定是s的子序列并且只有一个选法可以得到空串,那就是什么都不选,所以数量为1,返回1

如果s为空串,那s不管怎么样都找不到一个t,返回0

1.回溯

注意终止条件两个if的顺序

cpp 复制代码
		if(j<0)
            return 1;
        if(i<0)
            return 0;

一定要先检查t的下标j,再检查s的下i

举个例子说明:

当两者都为空串,即dfs(-1,-1)时,先判断j返回数量为1

先判断i返回为0

而我们知道这个是1才对

这就是因为当i=-1时,可能t还没有遍历结束,而我们从下往上返回返回的都是0的话,就代表我们在这些分支上没有找到过正确的答案,而很有可能正确答案是存在的,这样就会漏掉很多合法的子序列从而导致错误

cpp 复制代码
class Solution {
public:
    int dfs(int i,int j,string &s,string &t)
    {
        if(j<0)
            return 1;
        if(i<0)
            return 0;
        if(s[i]==t[j])
            return dfs(i-1,j-1,s,t)+dfs(i-1,j,s,t);
        return dfs(i-1,j,s,t);
    } 
    int numDistinct(string s, string t) {
        return dfs(s.size()-1,t.size()-1,s,t);
    }
};

2.记忆化搜索

就是搞一个哈希表dp,全都初始化为-1,每次返回前给哈希表dp赋值,碰到不是-1的那就是算过的,那就直接返回计算过的结果,不需要再次递归了

cpp 复制代码
class Solution {
public:
    int dfs(int i,int j,string &s,string &t,vector<vector<int>> &dp)
    {
        if(j<0)
            return 1;
        if(i<0)
            return 0;
        if(dp[i][j]!=-1)
            return dp[i][j];
        if(s[i]==t[j])
            return dp[i][j]=dfs(i-1,j-1,s,t,dp)+dfs(i-1,j,s,t,dp);
        return dp[i][j]=dfs(i-1,j,s,t,dp);
    } 
    int numDistinct(string s, string t) {
        vector<vector<int>> dp(s.size(),vector<int>(t.size(),-1));
        return dfs(s.size()-1,t.size()-1,s,t,dp);
    }
};

3.动态规划

注意我们的i=0和j=0是表示的dfs中i<0和j<0的状态,即s为空串或者t为空串,对应的是递归边界

所以dp数组的下标从1开始记录答案

cpp 复制代码
class Solution {
public:
    int numDistinct(string s, string t) {
        vector<vector<int>> dp(s.size() + 1,vector<int>(t.size() + 1,0));
        for(int i=0;i<=s.size();i++)
            dp[i][0]=1;
        for(int i=0;i<s.size();i++)
            for(int j=0;j<t.size();j++)
                if(s[i]==t[j])
                    dp[i+1][j+1]=(0LL+dp[i][j]+dp[i][j+1])%INT_MAX;
                else
                    dp[i+1][j+1]=dp[i][j+1];
        return dp[s.size()][t.size()];
    }
};
相关推荐
CoovallyAIHub11 分钟前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
NAGNIP1 小时前
Serverless 架构下的大模型框架落地实践
算法·架构
moonlifesudo1 小时前
半开区间和开区间的两个二分模版
算法
moonlifesudo1 小时前
300:最长递增子序列
算法
CoovallyAIHub6 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub7 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
聚客AI1 天前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v1 天前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工1 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农1 天前
【React用到的一些算法】游标和栈
算法·react.js