算法练习Day53|1143.最长公共子序列 ● 1035.不相交的线 ● 53. 最大子序和 动态规划

简介: 算法练习Day53|1143.最长公共子序列 ● 1035.不相交的线 ● 53. 最大子序和 动态规划

LeetCode:1143.最长公共子序列

1143. 最长公共子序列 - 力扣(LeetCode)

1.思路

两个字符串最大相等字符序列的值可以以二维数组的形式展示出来,从左上角向右下角进行铺设,数值逐渐变大。

2.代码实现

 1class Solution {
 2    public int longestCommonSubsequence(String text1, String text2) {
 3        char[] char1 = text1.toCharArray(); // 字符串转字符数组
 4        char[] char2 = text2.toCharArray(); // 同上
 5        int[][] dp = new int[text1.length() + 1][text2.length() + 1]; // 二维dp[][]数组
 6
 7        for (int i = 1; i < text1.length() + 1; i++) { // 遍历到最后一位要加1,text1.length() + 1
 8            for (int j = 1; j < text2.length() + 1; j++) { // 同上
 9                if (char1[i - 1] == char2[j - 1]) { // 字符比较
10                    dp[i][j] = dp[i - 1][j - 1] + 1; // 前一字符各自相等时的状态
11                } else {
12                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]); // 前一状态不统一时的状态推导
13                }
14            }
15        }
16        return dp[text1.length()][text2.length()]; // 返回最后的结果
17    }
18}

3.复杂度分析

时间复杂度:O(n * m).

空间复杂度:O(n).


LeetCode:1035.不相交的线

1035. 不相交的线 - 力扣(LeetCode)


1.思路

本题容易被交叉的线所迷惑,导致陷入什么时间应该选择那个数才能保证线的数量最大。卡哥一语道破本题的本质:最长公共子序列的值即为本体题解,解法同上。


2.代码实现

 1class Solution {
 2    public int maxUncrossedLines(int[] nums1, int[] nums2) {
 3        int[][] dp = new int[nums1.length + 1][nums2.length + 1];
 4        for (int i = 1; i < nums1.length + 1; i++) {
 5            for (int j = 1; j < nums2.length + 1; j++) {
 6                if (nums1[i - 1] == nums2[j - 1]) {
 7                    dp[i][j] = dp[i - 1][j - 1] + 1;
 8                } else {
 9                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
10                }
11            }
12        }
13        return dp[nums1.length][nums2.length];
14    }
15}
16

3.复杂度分析

时间复杂度:O(n * m).

空间复杂度:O(n).


LeetCode:53. 最大子序和

53. 最大子数组和 - 力扣(LeetCode)


1.思路

一位数组推导即可,当前节点的连续子数组最大和为当前节点值和前一节点最大子数组+当前节点值的较大值。


2.代码实现

 1class Solution {
 2    public int maxSubArray(int[] nums) {
 3        int[] dp = new int[nums.length];
 4        dp[0] = nums[0];
 5        int res = nums[0];
 6        for (int i = 1; i < nums.length; i++) {
 7            dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
 8            res = Math.max(res, dp[i]);
 9        }
10
11        return res;
12    }
13}
14
15// 自带推导
16class Solution {
17    public int maxSubArray(int[] nums) {
18        int res = nums[0];
19        int pre = nums[0];
20        for (int i = 1; i < nums.length; i++) {
21            pre = Math.max(pre + nums[i], nums[i]); // 当前节点值 与 当前节点值与之前的节点值的最大值 的比较(自带递归推导感)
22            res = Math.max(pre, res); // 结果值 在当前结果值和后序结果值之间
23        }
24        return res;
25    }
26}

3.复杂度分析

时间复杂度:O(n).

空间复杂度:O(n).

相关文章
|
3月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
536 1
|
存储 算法
深入了解动态规划算法
深入了解动态规划算法
367 1
|
10月前
|
存储 算法 Java
算法系列之动态规划
动态规划(Dynamic Programming,简称DP)是一种用于解决复杂问题的算法设计技术。它通过将问题分解为更小的子问题,并存储这些子问题的解来避免重复计算,从而提高算法的效率。
417 4
算法系列之动态规划
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
210 8
|
11月前
|
算法 Java C++
【潜意识Java】蓝桥杯算法有关的动态规划求解背包问题
本文介绍了经典的0/1背包问题及其动态规划解法。
397 5
|
10月前
|
算法 安全 调度
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
|
10月前
|
机器学习/深度学习 算法 测试技术
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
635 2
动态规划算法学习三:0-1背包问题
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
273 2

热门文章

最新文章