九章算法笔记D7-双序列型动态规划
@[toc]
D7 双序列型动态规划
最长公共子串Leetcode1143
问题描述
给定两个字符串 text1 和 text2,返回这两个字符串的最长公共子序列的长度。
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。
样例
1 | 输入:text1 = "abcde", text2 = "ace" |
分析
- 定义数组元素的含义:
dp[i][j]
表示 text1到下标i
处,text2到下标j处的最长公共子序列的长度 - 确定数组元素之间的关系表达式
- 如果 text1的
i
处与text2的j处的字符相等 则dp[i][j]=dp[i-1][j-1]+1
; - 否则
dp[i][j]=Math.max(dp[i-1][j],dp[i][j-1])
- 如果 text1的
- 确定初始值 将数组初始化为0
- 根据关系表达式和初始值计算数组元素值
- 返回结果
1 | public int longestCommonSubsequence(String text1, String text2) { |
交错字符串
问题描述
给定三个字符串 s1, s2, s3, 验证 s3 是否是由 s1 和 s2 交错组成的。
样例
1 | 输入: s1 = "aabcc", s2 = "dbbca", s3 = "aadbbcbcac" |
分析
转移方程:f[i][j] = (f[i-1][j] AND X[i+j-1] == A[i-1]) OR (f[i][j-1] AND X[i+j-1] ==B[j-1])
f[i][j]
:X前i+j
个字符是否由A前i
个字符和B前j
个字符交错形成f[i-1][j] AND X[i+j-1] == A[i-1]
:情况一,X前i+j-1
个字符由A前i-1
个字符和B前j
个字符交错形成,X第i+j
个字符等于A第i
个字符f[i][j-1] AND X[i+j-1] ==B[j-1]
:情况二,X前i+j-1
个字符由A前i
个字符和B前j-1
个字符交错形成,X第i+j
个字符等于B第j
个字符
初始条件:空串由A的空串和B的空串交错形成 -> f[0][0] = true
边界情况:如果 i = 0,不考虑情况一;如果 j = 0,不考虑情况二
计算顺序:
1 | f[0][0], f[0][1], ... ,f[0][n] |
1 | public boolean isInterleave(String ss1, String ss2, String ss3) { |
编辑距离
Problem
给定两个单词 word1 和 word2,计算出将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
- 插入一个字符
- 删除一个字符
- 替换一个字符
Example:
1 | 输入: word1 = "horse", word2 = "ros" |
思路:
- 还是老样子,按照上面三个步骤来,并且我这里可以告诉你,90% 的字符串问题都可以用动态规划解决,并且90%是采用二维数组。
- 大部分情况下,
dp[i][j]
和dp[i-1][j]
、dp[i][j-1]
、dp[i-1][j-1]
肯定存在某种关系。 - 定义
dp[i][j]
的含义为:当字符串 word1 的长度为 i,字符串 word2 的长度为 j 时,将 word1 转化为 word2 所使用的最少操作次数为dp[i][j]
。
由于我们是要让操作的次数最小,所以我们要寻找最佳操作。那么有如下关系式:
- 如果我们 word1[i] 与 word2 [j] 相等,这个时候不需要进行任何操作,显然有
dp[i][j] = dp[i-1][j-1]
。(别忘了dp[i][j]
的含义哈)。 - 如果我们 word1[i] 与 word2 [j] 不相等,这个时候我们就必须进行调整,而调整的操作有 3 种,我们要选择一种。三种操作对应的关系试如下(注意字符串与字符的区别):
- 如果把字符 word1[i] 替换成与 word2[j] 相等,则有
dp[i][j] = dp[i-1][j-1] + 1
; - 如果在字符串 word1末尾插入一个与 word2[j] 相等的字符,则有
dp[i][j] = dp[i][j-1] + 1
; - 如果把字符 word1[i] 删除,则有
dp[i][j] = dp[i-1][j] + 1
;
- 如果把字符 word1[i] 替换成与 word2[j] 相等,则有
- 那么我们应该选择一种操作,使得 dp[i][j] 的值最小,显然有
dp[i][j] = min(dp[i-1][j-1],dp[i][j-1],dp[[i-1][j]]) + 1;
1 | public int minDistance(String word1, String word2) { |