目录
题目:
样本模型:
递归版本的范围模型
分析过程
动态规划版本
优化动态规划:
题目:
给定一个字符串str,返回这个字符串的最长回文子序列长度
比如 str = “a12b3c43def2ghi1kpm” * 最长回文子序列是“1234321”或者“123c321”,返回长度7
这一题使用样本模型,也可以解决,只需要生成一个逆序字符串就可以了。因为回文子序列,逆序以后,回文子序列依旧保持原来的顺序结构。
样本模型:
package code03.动态规划_07;/*** 给定一个字符串str,返回这个字符串的最长回文子序列长度* 比如 : str = “a12b3c43def2ghi1kpm”* 最长回文子序列是“1234321”或者“123c321”,返回长度7** https://leetcode.com/problems/longest-palindromic-subsequence/*/
public class PalindromeSubsequence_05
{public static int longestPalindromeSubseq(String str) {if (str == null || str.isEmpty()) {return 0;}char[] s1 = str.toCharArray();char[] s2 = new char[s1.length];int position = 0;//生成逆序for (int i = s1.length-1; i >=0; i--) {s2[position++] = s1[i];}//以s1做行,s2做列int[][] dp = new int[ s1.length][s2.length];int index1 = s1.length - 1;int index2 = s2.length - 1;//根据递归 if (index1 == 0 && index2 == 0) 而来dp[0][0] = s1[0] == s2[0] ? 1 : 0;//根据递归 else if (index1 == 0) 而来, 此处代表先处理 第一行的所有列for (int i = 1; i <= index2; i++) {dp[0][i] = s1[0] == s2[i] ? 1 : dp[0][i-1];}//根据递归 else if (index2 == 0) 而来, 此处代表先处理 第一列的所有行for (int j = 1; j <= index1; j++) {dp[j][0] = s1[j] == s2[0] ? 1 : dp[j-1][0];}//通用case 根据递归中最后一个else而来for (int row = 1; row <= index1; row++) {for (int col = 1; col <= index2; col++) {//根据 int p1 = process(s1, s2, index1, index2-1) 改写int p1 = dp[row][col - 1];//根据 int p2 = process(s1, s2, index1-1, index2) 改写int p2 = dp[row -1][col];//int p3 = s1[index1] == s2[index2] ? (process(s1, s2, index1-1, index2-1) + 1) : 0;int p3 = s1[row] == s2[col] ? (dp[row -1][col -1] + 1) : 0;dp[row][col] = Math.max(p1, Math.max(p2, p3));}}//返回值对应递归中的下标return dp[index1][index2];}
}
样本模型,在上一篇已经详细的说过了,具体推导过程可以参照 算法27:最长公共子序列——样本模型(4)_chen_yao_kerr的博客-CSDN博客
样本模型,都是以样本的最后一个元素为基础进行讨论分析的。
而范围模型,则是以样本数据的 开头 和 结尾 进行讨论的。
递归版本的范围模型
package code03.动态规划_07;/*** 给定一个字符串str,返回这个字符串的最长回文子序列长度* 比如 : str = “a12b3c43def2ghi1kpm”* 最长回文子序列是“1234321”或者“123c321”,返回长度7** https://leetcode.com/problems/longest-palindromic-subsequence/*/
public class PalindromeSubsequence_05_opt1
{public static int longestPalindromeSubseq(String str){if (str == null || str.isEmpty()) {return 0;}return process(str.toCharArray(), 0, str.length() -1);}//范围模型,需要讨论样本数据的开头和结尾public static int process(char[] str, int left, int right){//如果长度为1,也就是说字符串只有一个字符if (left == right) {return 1;}//字符串只有2个元素. 如果第一个元素和第二个元素相同,则说明回文//长度为2. 否则,最长子回文只有1,因为我们默认的子序列回文长度就是为1.if (left == right -1) {return str[left] == str[right] ? 2 : 1;}/*** 最长回文子序列, 有可能出现以下情况* 1. 包含结尾,不包含开头* 2. 包含开头,不包含结尾* 3. 既不包含开头,也不包含结尾* 4. 既包含开头,也包含结尾*///包含结尾,不包含开头int p1 = process(str, left + 1, right);//包含开头,不包含结尾int p2 = process(str, left, right - 1);//既不包含开头,也不包含结尾int p3 = process(str, left + 1, right - 1);//既包含开头,也包含结尾int p4 = str[left] != str[right] ? 0 : (2 + process(str, left + 1, right - 1));//也可以改写成 int p4 = str[left] != str[right] ? 0 : (2 + p3);return Math.max(Math.max(p1, p2), Math.max(p3, p4));}public static void main(String[] args) {System.out.println(longestPalindromeSubseq("a12b3c43def2ghi1kpm"));}
}
分析过程
1. 假设字符串为 a12a21b,我们知道最长回文子序列为12a21, 那么它的长度就是5.
2. 构建二维数组. 行和列都是数组的下标。递归的传入参数 0 和 str.length() -1,分别代表数组的左边开始位置和右边开始位置。将left作为行,right作为列,那么可以推导出如下的表格信息
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | |||||||
1(1) | x | ||||||
2(2) | x | x | |||||
3(a) | x | x | x | ||||
4(2) | x | x | x | x | |||
5(1) | x | x | x | x | x | ||
6(b) | x | x | x | x | x | x |
3. 根据递归的
if (left == right) {return 1; }
可以推算出对角线全部为 1.
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | ||||||
1(1) | x | 1 | |||||
2(2) | x | x | 1 | ||||
3(a) | x | x | x | 1 | |||
4(2) | x | x | x | x | 1 | ||
5(1) | x | x | x | x | x | 1 | |
6(b) | x | x | x | x | x | x | 1 |
4. 根据递归
if (left == right -1) {return str[left] == str[right] ? 2 : 1; }
可以推算出:
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | 1 | |||||
1(1) | x | 1 | 1 | ||||
2(2) | x | x | 1 | 1 | |||
3(a) | x | x | x | 1 | 1 | ||
4(2) | x | x | x | x | 1 | 1 | |
5(1) | x | x | x | x | x | 1 | 1 |
6(b) | x | x | x | x | x | x | 1 |
5. 核心推算过程
//包含结尾,不包含开头。我们知道(left,right)依赖(left+1, right),即下一行 int p1 = process(str, left + 1, right); //包含开头,不包含结尾. 我们知道(left,right)依赖(left, right -1)即前一列 int p2 = process(str, left, right - 1); //既不包含开头,也不包含结尾。我们知道(left,right)依赖(left+1, right -1)即前一列的下一行 int p3 = process(str, left + 1, right - 1); //既包含开头,也包含结尾。我们知道(left,right)依赖(left+1, right -1)即前一列的下一行 int p4 = str[left] != str[right] ? 0 : (2 + process(str, left + 1, right - 1));
也就是说(left,right)依赖当前行的前一列、下一行的当前列 和 前一行的前一列/
也就是说想要知道dp[4][6]的值,必须先知道dp[4][5] dp[5][6] 和 dp[5][5] 的值。而这几个值已经推出来了,那就拿到最大值 1.
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | 1 | |||||
1(1) | x | 1 | 1 | ||||
2(2) | x | x | 1 | 1 | |||
3(a) | x | x | x | 1 | 1 | ||
4(2) | x | x | x | x | 1 | 1 | |
5(1) | x | x | x | x | x | 1 | 1 |
6(b) | x | x | x | x | x | x | 1 |
还是按照以上的信息,根据前一列、下一行的当前列 以及前一行的前一列可以推算出结果。
以dp[3][6]为例子。 dp[3][5]为3, dp[4][6]为3,dp[4][5]为1. 并且字符串下标3的值为a,6的位置为b, a!=b, 因此维持最大值3. 如果相等,那就额外再加 2。
依次类推,第一个变化的位置为dp[2][4]
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | 1 | 1 | ||||
1(1) | x | 1 | 1 | 1 | |||
2(2) | x | x | 1 | 1 | 3 | ||
3(a) | x | x | x | 1 | 1 | 1 | |
4(2) | x | x | x | x | 1 | 1 | 1 |
5(1) | x | x | x | x | x | 1 | 1 |
6(b) | x | x | x | x | x | x | 1 |
依次类推,得到完整的表格信息
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | 1 | 1 | 3 | 3 | 5 | 5 |
1(1) | x | 1 | 1 | 1 | 3 | 5 | 5 |
2(2) | x | x | 1 | 1 | 3 | 3 | 3 |
3(a) | x | x | x | 1 | 1 | 1 | 1 |
4(2) | x | x | x | x | 1 | 1 | 1 |
5(1) | x | x | x | x | x | 1 | 1 |
6(b) | x | x | x | x | x | x | 1 |
动态规划版本
package code03.动态规划_07;/*** 给定一个字符串str,返回这个字符串的最长回文子序列长度* 比如 : str = “a12b3c43def2ghi1kpm”* 最长回文子序列是“1234321”或者“123c321”,返回长度7** https://leetcode.com/problems/longest-palindromic-subsequence/*/
public class PalindromeSubsequence_05_opt2
{public static int longestPalindromeSubseq(String str){if (str == null || str.isEmpty()) {return 0;}//构造一个 n * n的矩阵char[] s = str.toCharArray();int[][] dp = new int[s.length][s.length];//最后一行的最后一列比较特殊,会出现数组越界,需要单独设置dp[s.length-1][s.length-1] = 1;for (int i = 0; i < s.length - 1 ; i++) {//根据递归 if (left == right) 得到对角线全部为1dp[i][i] = 1;//根据递归 if (left == right -1) { 得到对角线的后一列值dp[i][i+1] = s[i] == s[i+1] ? 2 : 1;}//由于倒数第一、第二行已经推算出来了,因此从倒数第三行开始推算for (int row = s.length - 3; row >= 0; row--){//从倒数第一行开始推算。并且列需要随着行变化而变化for (int col = row + 2; col < s.length ; col++){//包含开头,不包含结尾int p1 = dp[row + 1][col];//包含结尾,不包含开头int p2 = dp[row][col - 1];//既不包含开头,也不包含结尾int p3 = dp[row + 1][col - 1];//既包含开头,也包含结尾int p4 = s[row] != s[col] ? 0 : (2 + dp[row + 1][col - 1]);dp[row][col] = Math.max(Math.max(p1, p2), Math.max(p3, p4));}}return dp[0][s.length-1];}public static void main(String[] args) {System.out.println(longestPalindromeSubseq("a12b3c43def2ghi1kpm"));}
}
优化动态规划:
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | 1 | 1 | ||||
1(1) | x | 1 | 1 | 1 | |||
2(2) | x | x | 1 | 1 | 3 | ||
3(a) | x | x | x | 1 | 1 | 1 | |
4(2) | x | x | x | x | 1 | 1 | 1 |
5(1) | x | x | x | x | x | 1 | 1 |
6(b) | x | x | x | x | x | x | 1 |
dp[2][4]位置是第一次发生变化的。下一轮,我们会推算出如下结果:
0(a) | 1(1) | 2(2) | 3(a) | 4(2) | 5(1) | 6(b) | |
0(a) | 1 | 1 | 1 | 3 | |||
1(1) | x | 1 | 1 | 1 | 3 | ||
2(2) | x | x | 1 | 1 | 3 | 3 | |
3(a) | x | x | x | 1 | 1 | 1 | 1 |
4(2) | x | x | x | x | 1 | 1 | 1 |
5(1) | x | x | x | x | x | 1 | 1 |
6(b) | x | x | x | x | x | x | 1 |
而dp[1][5]位置依赖 dp[1][4] 、 dp[2][5] 和 dp[2][4].
但是dp[1][4] 和 [2][5]已经推算出来了,他们都依赖dp[2][4]。
也就是说dp[1][4] 和 [2][5]至少都是大于或等于dp[2][4位置的数据的,
我们的逻辑是获取到最大值,既然能够拿到大于等于它的值,那么dp[1][5]直接依赖dp[1][4] 和 [2][5]就可以了,没必要再去依赖较小的dp[2][4]值了。
因此,单独的依赖左下方,即p3就可以省略
递归优化:
package code03.动态规划_07;/*** 给定一个字符串str,返回这个字符串的最长回文子序列长度* 比如 : str = “a12b3c43def2ghi1kpm”* 最长回文子序列是“1234321”或者“123c321”,返回长度7** https://leetcode.com/problems/longest-palindromic-subsequence/*/
public class PalindromeSubsequence_05_opt1
{public static int longestPalindromeSubseq(String str){if (str == null || str.isEmpty()) {return 0;}return process(str.toCharArray(), 0, str.length() -1);}//范围模型,需要讨论样本数据的开头和结尾public static int process(char[] str, int left, int right){//如果长度为1,也就是说字符串只有一个字符if (left == right) {return 1;}//字符串只有2个元素. 如果第一个元素和第二个元素相同,则说明回文//长度为2. 否则,最长子回文只有1,因为我们默认的子序列回文长度就是为1.if (left == right -1) {return str[left] == str[right] ? 2 : 1;}/*** 最长回文子序列, 有可能出现以下情况* 1. 包含结尾,不包含开头* 2. 包含开头,不包含结尾* 3. 既不包含开头,也不包含结尾* 4. 既包含开头,也包含结尾*///包含结尾,不包含开头int p1 = process(str, left + 1, right);//包含开头,不包含结尾int p2 = process(str, left, right - 1);//既不包含开头,也不包含结尾//int p3 = process(str, left + 1, right - 1);//既包含开头,也包含结尾int p4 = str[left] != str[right] ? 0 : (2 + process(str, left + 1, right - 1));return Math.max(Math.max(p1, p2), p4);}public static void main(String[] args) {System.out.println(longestPalindromeSubseq("a12b3c43def2ghi1kpm"));}
}
动态规划版本优化:
package code03.动态规划_07;/*** 给定一个字符串str,返回这个字符串的最长回文子序列长度* 比如 : str = “a12b3c43def2ghi1kpm”* 最长回文子序列是“1234321”或者“123c321”,返回长度7** https://leetcode.com/problems/longest-palindromic-subsequence/*/
public class PalindromeSubsequence_05_opt2
{public static int longestPalindromeSubseq(String str){if (str == null || str.isEmpty()) {return 0;}//构造一个 n * n的矩阵char[] s = str.toCharArray();int[][] dp = new int[s.length][s.length];//最后一行的最后一列比较特殊,会出现数组越界,需要单独设置dp[s.length-1][s.length-1] = 1;for (int i = 0; i < s.length - 1 ; i++) {//根据递归 if (left == right) 得到对角线全部为1dp[i][i] = 1;//根据递归 if (left == right -1) { 得到对角线的后一列值dp[i][i+1] = s[i] == s[i+1] ? 2 : 1;}//由于倒数第一、第二行已经推算出来了,因此从倒数第三行开始推算for (int row = s.length - 3; row >= 0; row--){//从倒数第一行开始推算。并且列需要随着行变化而变化for (int col = row + 2; col < s.length ; col++){/* //包含开头,不包含结尾int p1 = dp[row + 1][col];//包含结尾,不包含开头int p2 = dp[row][col - 1];//既不包含开头,也不包含结尾int p3 = dp[row + 1][col - 1];//既包含开头,也包含结尾int p4 = s[row] != s[col] ? 0 : (2 + dp[row + 1][col - 1]);dp[row][col] = Math.max(Math.max(p1, p2), Math.max(p3, p4));*///包含开头,不包含结尾int p1 = dp[row + 1][col];//包含结尾,不包含开头int p2 = dp[row][col - 1];dp[row][col] = Math.max(p1, p2);if (s[row] == s[col] ) {dp[row][col] = Math.max(dp[row][col], 2 + dp[row + 1][col - 1]);}}}return dp[0][s.length-1];}public static void main(String[] args) {System.out.println(longestPalindromeSubseq("a12b3c43def2ghi1kpm"));}
}