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
|
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!
62 8
|
3月前
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
54 3
|
2月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
|
2月前
|
算法 Java 测试技术
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
这篇文章介绍了基于动态规划法的三种算法:解决背包问题的递归和自底向上实现、Warshall算法和Floyd算法,并提供了它们的伪代码、Java源代码实现以及时间效率分析。
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
|
2月前
|
算法 C++ Windows
空间射线与三角形相交算法的两种实现
空间射线与三角形相交算法的两种实现
20 0
|
3月前
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
72 2
|
3月前
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
37 1
|
3月前
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
52 1
|
3月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
59 1
|
3月前
|
存储 算法 大数据
Python算法高手的必修课:深入理解分治法、贪心算法、动态规划,让你的代码更智能!
【7月更文挑战第9天】在Python算法学习中,分治法(如归并排序)将大问题分解为小部分递归解决;贪心算法(如货币找零)在每步选择局部最优解尝试达到全局最优;动态规划(如斐波那契数列)通过存储子问题解避免重复计算,解决重叠子问题。掌握这三种方法能提升代码效率,解决复杂问题。
36 1
下一篇
无影云桌面