leecode更新
This commit is contained in:
markilue
parent
933ab91051
commit
108863a5a8
|
|
@ -0,0 +1,64 @@
|
|||
package com.markilue.leecode.dynamic.second;
|
||||
|
||||
import org.junit.Test;
|
||||
|
||||
/**
|
||||
*@BelongsProject: Leecode
|
||||
*@BelongsPackage: com.markilue.leecode.dynamic.second
|
||||
*@Author: markilue
|
||||
*@CreateTime: 2023-02-23 10:12
|
||||
*@Description:
|
||||
* TODO 力扣1143 最长公共子序列:
|
||||
* 给定两个字符串 text1 和 text2，返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ，返回 0 。
|
||||
* 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。
|
||||
*@Version: 1.0
|
||||
*/
|
||||
public class T30_LongestCommonSubsequence {
|
||||
|
||||
@Test
|
||||
public void test(){
|
||||
String text1 = "abcde", text2 = "ace";
|
||||
System.out.println(longestCommonSubsequence(text2,text1));
|
||||
}
|
||||
|
||||
/**
|
||||
* 思路:不同之处在于子序列，所以可以删除
|
||||
* TODO DP五部曲:
|
||||
* 1.dp定义: dp[i][j]表示从text1[0-i]和text2[0-j]的最长子序列长度
|
||||
* 2.dp状态转移方程:
|
||||
* 1.if(text1[i]==text2[j]) dp[i][j]=dp[i-1][j-1]+1
|
||||
* 2.else dp[i][j]=max(dp[i-1][j],dp[i][j-1])
|
||||
* 3.dp初始化:考虑到初始化设置为text[i-1]==text[j-1] 则dp[i][0]全为0
|
||||
* 4.dp遍历顺序:
|
||||
* 5.dp举例推导:以 text1 = "abcde", text2 = "ace" 为例:
|
||||
* text1 [ 0 a b c d e]
|
||||
* 0 0 0 0 0 0 0
|
||||
* a 0 1 1 1 1 1
|
||||
* c 0 1 1 2 2 2
|
||||
* e 0 1 1 2 2 3
|
||||
* 速度击败24.9% 内存击败33.8% 16ms
|
||||
* @param text1
|
||||
* @param text2
|
||||
* @return
|
||||
*/
|
||||
public int longestCommonSubsequence(String text1, String text2) {
|
||||
|
||||
if (text1.length() < text2.length()) {
|
||||
longestCommonSubsequence(text2, text1);
|
||||
}
|
||||
|
||||
int[][] dp = new int[text1.length() + 1][text2.length() + 1];
|
||||
|
||||
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()];
|
||||
|
||||
}
|
||||
}
|
||||
|
|
@ -0,0 +1,44 @@
|
|||
package com.markilue.leecode.dynamic.second;
|
||||
|
||||
/**
|
||||
*@BelongsProject: Leecode
|
||||
*@BelongsPackage: com.markilue.leecode.dynamic.second
|
||||
*@Author: markilue
|
||||
*@CreateTime: 2023-02-23 10:43
|
||||
*@Description:
|
||||
* TODO 力扣1035 不相交的线:
|
||||
* 在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。
|
||||
* 现在，可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线，这些直线需要同时满足满足：
|
||||
* nums1[i] == nums2[j]
|
||||
* 且绘制的直线不与任何其他连线（非水平线）相交。
|
||||
* 请注意，连线即使在端点也不能相交：每个数字只能属于一条连线。
|
||||
* 以这种方法绘制线条，并返回可以绘制的最大连线数。
|
||||
*@Version: 1.0
|
||||
*/
|
||||
public class T31_MaxUncrossedLines {
|
||||
|
||||
/**
|
||||
* 思路:本质上也是一个子序列的题，因为这题要求上就是 可以删除不能过
|
||||
* 加上最上面的if之后 速度击败99.16% 内存击败49.86% 4ms
|
||||
* @param nums1
|
||||
* @param nums2
|
||||
* @return
|
||||
*/
|
||||
public int maxUncrossedLines(int[] nums1, int[] nums2) {
|
||||
if(nums1.length<nums2.length){
|
||||
return maxUncrossedLines(nums2,nums1);
|
||||
}
|
||||
|
||||
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
|
||||
|
||||
for (int i = 1; i < dp.length; i++) {
|
||||
for (int j = 1; j < dp[0].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]);
|
||||
}
|
||||
}
|
||||
|
||||
return dp[nums1.length][nums2.length];
|
||||
|
||||
}
|
||||
}
|
||||
|
|
@ -0,0 +1,98 @@
|
|||
package com.markilue.leecode.dynamic.second;
|
||||
|
||||
/**
|
||||
*@BelongsProject: Leecode
|
||||
*@BelongsPackage: com.markilue.leecode.dynamic.second
|
||||
*@Author: markilue
|
||||
*@CreateTime: 2023-02-23 10:59
|
||||
*@Description:
|
||||
* TODO 力扣53题 最大子数组和:
|
||||
* 给你一个整数数组 nums ，请你找出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。
|
||||
* 子数组 是数组中的一个连续部分。
|
||||
*@Version: 1.0
|
||||
*/
|
||||
public class T32_MaxSubArray {
|
||||
|
||||
|
||||
/**
|
||||
* 思路:注意子数组，所以不要当前数，就需要抛弃前面的所有数
|
||||
* TODO DP五部曲:
|
||||
* 1.dp定义: dp[i][0]表示不要nums[i]的最大和 dp[i][1]表示要nums[i]的最大和
|
||||
* 2.dp状态转移方程:
|
||||
* 1.dp[i][0] 不要当前的数 分为 要之前的 和 都不要
|
||||
* dp[i][0]=max(dp[i-1][1],0)
|
||||
* 2.dp[i-1][1] 要当前的数 分为 不要之前的 和 要之前的
|
||||
* dp[i][1]=max(nums[i],dp[i-1][1]+nums[1])
|
||||
* 3.dp初始化:dp[0][0]=max(nums[0],0);dp[0][1]=nums[0]
|
||||
* 4.dp遍历顺序:
|
||||
* 5.dp举例推导: 以nums = [-2,1,-3,4,-1,2,1,-5,4]为例
|
||||
* [-2 1 -3 4 -1 2 1 -5 4]
|
||||
* i=0 0 0 1 0 4 3 5 6 1
|
||||
* i=1 -2 1 -2 4 3 5 6 1 5
|
||||
* 速度击败40.89% 内存击败46.24%
|
||||
* @param nums
|
||||
* @return
|
||||
*/
|
||||
public int maxSubArray(int[] nums) {
|
||||
|
||||
|
||||
int[] dp = new int[nums.length];
|
||||
|
||||
dp[0] = nums[0];
|
||||
int max = nums[0];
|
||||
|
||||
for (int i = 1; i < dp.length; i++) {
|
||||
dp[i] = Math.max(nums[i], dp[i - 1] + nums[i]);
|
||||
if (max < dp[i]) max = dp[i]; //子数组的题似乎都是在过程中寻找最值
|
||||
}
|
||||
|
||||
return max;
|
||||
|
||||
}
|
||||
|
||||
|
||||
/**
|
||||
* 滚动数组优化
|
||||
* 速度击败100% 内存击败63.24%
|
||||
* @param nums
|
||||
* @return
|
||||
*/
|
||||
public int maxSubArray1(int[] nums) {
|
||||
|
||||
int dp0 = nums[0];
|
||||
int max = nums[0];
|
||||
|
||||
for (int i = 1; i < nums.length; i++) {
|
||||
dp0 = Math.max(nums[i], dp0 + nums[i]);
|
||||
if (max < dp0) max = dp0; //子数组的题似乎都是在过程中寻找最值
|
||||
}
|
||||
|
||||
return max;
|
||||
|
||||
}
|
||||
|
||||
|
||||
/**
|
||||
* 贪心
|
||||
* 速度击败100% 内存击败23.49% 1ms
|
||||
* @param nums
|
||||
* @return
|
||||
*/
|
||||
public int maxSubArray2(int[] nums) {
|
||||
|
||||
int max = nums[0];
|
||||
int curValue = nums[0];
|
||||
|
||||
for (int i = 1; i < nums.length; i++) {
|
||||
if (curValue < 0) {
|
||||
curValue = 0;
|
||||
}
|
||||
curValue += nums[i];
|
||||
if (max < curValue) max = curValue;
|
||||
}
|
||||
|
||||
|
||||
return max;
|
||||
|
||||
}
|
||||
}
|
||||
|
|
@ -0,0 +1,99 @@
|
|||
package com.markilue.leecode.dynamic.second;
|
||||
|
||||
import org.junit.Test;
|
||||
|
||||
/**
|
||||
*@BelongsProject: Leecode
|
||||
*@BelongsPackage: com.markilue.leecode.dynamic.second
|
||||
*@Author: markilue
|
||||
*@CreateTime: 2023-02-23 11:23
|
||||
*@Description:
|
||||
* TODO 力扣392题 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）。
|
||||
* 进阶：
|
||||
* 如果有大量输入的 S，称作 S1, S2, ... , Sk 其中 k >= 10亿，你需要依次检查它们是否为 T 的子序列。在这种情况下，你会怎样改变代码？
|
||||
*@Version: 1.0
|
||||
*/
|
||||
public class T33_IsSubsequence {
|
||||
|
||||
@Test
|
||||
public void test(){
|
||||
String s = "abc", t = "ahbgdc";
|
||||
System.out.println(isSubsequence1(s,t));
|
||||
}
|
||||
|
||||
/**
|
||||
* 思路:判断子序列，实际上还是子序列的题 递推公式类似
|
||||
* TODO DP五部曲:
|
||||
* 1.dp定义: dp[i][j]表示使用t[0-i]是否是s[0-j]的父序列
|
||||
* 2.dp状态转移方程:
|
||||
* if(t[i]==s[j]) dp[i][j]=dp[i-1][j-1] 这两个相同就看看子序列是不是
|
||||
* else dp[i][j]=dp[i-1][j] 去除掉之后是不是 需要注意的是，这里没有dp[i][j-1]
|
||||
* 3.dp初始化:为了递推方便 设置为t[i-1]=s[j-1] 则dp[i][0]=true dp[0][j]=false
|
||||
* 4.dp遍历顺序:
|
||||
* 5.dp举例推导:
|
||||
* 速度击败18.94% 内存击败10.33% 5ms
|
||||
* @param s
|
||||
* @param t
|
||||
* @return
|
||||
*/
|
||||
public boolean isSubsequence(String s, String t) {
|
||||
|
||||
boolean[][] dp = new boolean[t.length() + 1][s.length() + 1];
|
||||
for (int i = 0; i < dp.length; i++) {
|
||||
dp[i][0] = true;
|
||||
}
|
||||
for (int i = 1; i < dp.length; i++) {
|
||||
for (int j = 1; j < dp[0].length; j++) {
|
||||
if (t.charAt(i - 1) == s.charAt(j - 1)) dp[i][j] = dp[i - 1][j - 1];
|
||||
else dp[i][j] = dp[i - 1][j];
|
||||
}
|
||||
}
|
||||
|
||||
return dp[t.length()][s.length()];
|
||||
}
|
||||
|
||||
|
||||
/**
|
||||
* 一维dp优化
|
||||
* 速度击败34.1% 内存击败68.5%
|
||||
* @param s
|
||||
* @param t
|
||||
* @return
|
||||
*/
|
||||
public boolean isSubsequence1(String s, String t) {
|
||||
|
||||
boolean[] dp = new boolean[s.length() + 1];
|
||||
for (int i = 0; i < dp.length; i++) {
|
||||
dp[0] = true;
|
||||
}
|
||||
for (int i = 1; i <= t.length(); i++) {
|
||||
for (int j = s.length(); j >0; j--) {
|
||||
if (t.charAt(i - 1) == s.charAt(j - 1)) dp[j] = dp[j - 1];
|
||||
}
|
||||
}
|
||||
|
||||
return dp[s.length()];
|
||||
}
|
||||
|
||||
|
||||
/**
|
||||
* 双指针法：时间复杂度度O(M+N)
|
||||
* 速度击败88% 内存击败52.96% 1ms
|
||||
* @param s
|
||||
* @param t
|
||||
* @return
|
||||
*/
|
||||
public boolean isSubsequence2(String s, String t) {
|
||||
int n = s.length(), m = t.length();
|
||||
int i = 0, j = 0;
|
||||
while (i < n && j < m) {
|
||||
if (s.charAt(i) == t.charAt(j)) {
|
||||
i++;
|
||||
}
|
||||
j++;
|
||||
}
|
||||
return i == n;
|
||||
}
|
||||
}
|
||||
|
|
@ -0,0 +1,21 @@
|
|||
package com.markilue.leecode.dynamic.second;
|
||||
|
||||
/**
|
||||
*@BelongsProject: Leecode
|
||||
*@BelongsPackage: com.markilue.leecode.dynamic.second
|
||||
*@Author: markilue
|
||||
*@CreateTime: 2023-02-23 11:52
|
||||
*@Description:
|
||||
* TODO 力扣115题 不同的子序列:
|
||||
* 给定一个字符串 s 和一个字符串 t ，计算在 s 的子序列中 t 出现的个数。
|
||||
* 字符串的一个 子序列 是指，通过删除一些（也可以不删除）字符且不干扰剩余字符相对位置所组成的新字符串。
|
||||
* （例如，"ACE" 是 "ABCDE" 的一个子序列，而 "AEC" 不是）
|
||||
* 题目数据保证答案符合 32 位带符号整数范围。
|
||||
*@Version: 1.0
|
||||
*/
|
||||
public class T34_NumDistinct {
|
||||
|
||||
public int numDistinct(String s, String t) {
|
||||
|
||||
}
|
||||
}
|
||||
Loading…
Reference in New Issue