算法日记day 44(动归之编辑距离|回文字串|最长回文子序列)

2024-08-21 21:52

本文主要是介绍算法日记day 44(动归之编辑距离|回文字串|最长回文子序列),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、编辑距离

题目:

给你两个单词 word1 和 word2, 请返回将 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

示例 1:

输入:word1 = "horse", word2 = "ros"
输出:3
解释:
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')

示例 2:

输入:word1 = "intention", word2 = "execution"
输出:5
解释:
intention -> inention (删除 't')
inention -> enention (将 'i' 替换为 'e')
enention -> exention (将 'n' 替换为 'x')
exention -> exection (将 'n' 替换为 'c')
exection -> execution (插入 'u')

思路:

dp数组的含义是以i-1为结尾的字符串word1和以j-1长度为结尾的字符串word2所需要的步骤为dp[i][j],有四种情况,如果本身两字符串所对应的元素相同,则不需要做任何操作,因此

                                                         dp[i][j] = dp[i-1][j-1]

如果需要对word1进行删除操作,相当于忽略掉word1中的第i-1位元素,这样的

                                                        dp[i][j] = dp[i-1][j] + 1

如果需要对word1进行添加操作,相当于对word2进行一次删除操作,例如word1="ab"  word2="a",可以删除word1中的b,或者添加word2中一位b,因此

                                                        dp[i][j] = dp[i][j-1] + 1

如果进行修改的操作,相当于字符串中其前i-2位和j-2位元素均相同,仅需改变其中i-1(j-1)位元素,因此

                                                         dp[i][j] = dp[i-1][j-1] + 1

对于需要操作的元素,应取三者中次数最少的值作为最终编辑距离

初始化操作,对于dp[i][0],相当于长度为 i 的字符串word1转换为长度为0的字符串word2,仅需删除操作,次数为字符串word1的长度,因此

                                                            dp[i][0] = i

同理:                                                 dp[0][j] = j 

代码:

 

public int minDistance(String word1, String word2) {// 初始化 dp 数组,dp[i][j] 表示将 word1 的前 i 个字符转换为 word2 的前 j 个字符所需的最小操作数int[][] dp = new int[word1.length() + 1][word2.length() + 1];// 设置 dp 数组的第一列,dp[i][0] 表示将 word1 的前 i 个字符转换为空字符串的操作数for (int i = 1; i <= word1.length(); i++)dp[i][0] = i;// 设置 dp 数组的第一行,dp[0][j] 表示将空字符串转换为 word2 的前 j 个字符的操作数for (int j = 1; j < word2.length() + 1; j++)dp[0][j] = j;// 填充 dp 数组for (int i = 1; i < word1.length() + 1; i++) {for (int j = 1; j <= word2.length(); j++) {// 如果当前字符相同,不需要增加额外的操作,继承前一个状态的值if (word1.charAt(i - 1) == word2.charAt(j - 1)) {dp[i][j] = dp[i - 1][j - 1];} else {// 如果字符不同,考虑三种操作:// 1. 替换字符:dp[i - 1][j - 1] + 1// 2. 删除字符:dp[i - 1][j] + 1// 3. 插入字符:dp[i][j - 1] + 1// 选择三者中的最小值作为当前状态的值dp[i][j] = Math.min(dp[i - 1][j - 1], Math.min(dp[i - 1][j], dp[i][j - 1])) + 1;}}}// 返回将 word1 转换为 word2 所需的最小操作数return dp[word1.length()][word2.length()];
}
  1. 初始化 dp 数组

    • dp[i][j] 表示将 word1 的前 i 个字符转换为 word2 的前 j 个字符的最小编辑距离。
  2. 第一列和第一行的初始化

    • dp[i][0] 表示将 word1 的前 i 个字符转换为空字符串的操作数,即删除操作的数量。
    • dp[0][j] 表示将空字符串转换为 word2 的前 j 个字符的操作数,即插入操作的数量。
  3. 填充 dp 数组

    • 遍历所有可能的子问题,并根据当前字符是否相同来决定最小的操作数。
    • 如果字符相同,继承前一个状态的值;如果字符不同,则选择替换、删除或插入操作中最小的代价。
  4. 返回结果

    • 最终的编辑距离是将 word1 的所有字符转换为 word2 的所有字符所需的最小操作数。

二、回文字串 

题目:

给你一个字符串 s ,请你统计并返回这个字符串中 回文子串 的数目。

回文字符串 是正着读和倒过来读一样的字符串。

子字符串 是字符串中的由连续字符组成的一个序列。

示例 1:

输入:s = "abc"
输出:3
解释:三个回文子串: "a", "b", "c"

示例 2:

输入:s = "aaa"
输出:6
解释:6个回文子串: "a", "a", "a", "aa", "aa", "aaa"

思路:

首先定义一个boolean类型的dp数组,本题中dp数组的含义是在区间[i,j]的字符串中是回文字串的dp[i][j]为true

判断

由于回文串的特殊性,如果 i 与 j 的值相同,当 i 与 j 的距离满足 j - i <= 2时,都符合回文串的条件因此定义一个res收集结果,同时dp[i][j]为true,如果此时距离大于2,则需要比较dp[i+1][j-1]的值是否为true,如果是,则说明dp[i][j]是回文串,如果 i 与 j 的值不相同,则表示不是回文串

代码:

public int countSubstrings(String s) {// 将字符串转换为字符数组,方便使用索引访问字符char[] chars = s.toCharArray();int len = chars.length; // 获取字符数组的长度// 创建一个二维布尔数组 dp,dp[i][j] 表示子串 chars[i..j] 是否为回文boolean[][] dp = new boolean[len][len];int result = 0; // 结果变量,用于记录回文子串的总数量// 从字符串的末尾开始,逐步向前遍历所有可能的起始位置for (int i = len - 1; i >= 0; i--) {// 对于每个起始位置 i,遍历可能的结束位置 jfor (int j = i; j < len; j++) {// 检查当前子串 chars[i..j] 的首尾字符是否相同if (chars[i] == chars[j]) {// 当子串长度为 1 或 2 时,直接标记为回文子串// 1. 长度为 1 的子串(例如 "a")// 2. 长度为 2 的子串(例如 "aa")if (j - i <= 2) { // 子串长度小于或等于 2result++; // 增加回文子串计数dp[i][j] = true; // 标记 dp[i][j] 为回文} // 当子串长度大于 2 时,检查内部子串是否为回文// 3. 如果子串 chars[i+1..j-1] 为回文,则 chars[i..j] 也是回文else if (dp[i + 1][j - 1]) { result++; // 增加回文子串计数dp[i][j] = true; // 标记 dp[i][j] 为回文}}}}return result; // 返回总的回文子串数量
}
  • len 是字符串的长度。
  • dp 是一个二维布尔数组,dp[i][j] 用来记录子串 chars[i..j] 是否为回文。
  • result 用来累计回文子串的总数。
  • 外层循环从字符串的末尾向前遍历起始位置 i
  • 内层循环从起始位置 i 遍历到字符串的末尾,考虑所有可能的结束位置 j
  • 首先,检查 chars[i] 是否等于 chars[j]。如果不相等,chars[i..j] 不能是回文子串。
  • 对于长度为 1 或 2 的子串(即 j - i <= 2),直接判断为回文。
  • 对于长度大于 2 的子串,需要检查内部子串 chars[i+1..j-1] 是否是回文。如果是,则 chars[i..j] 也是回文。
  • 返回计算得到的回文子串总数。

三、最长回文子序列 

题目:

给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。

子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。

示例 1:

输入:s = "bbbab"
输出:4
解释:一个可能的最长回文子序列为 "bbbb" 。

示例 2:

输入:s = "cbbd"
输出:2
解释:一个可能的最长回文子序列为 "bb" 。

思路:

首先dp数组的含义是在区间为[i,j]的字符串中最长回文子序列的长度为dp[i][j]

对于 i 与 j 相同的情况,若区间内是回文序列,则相对应的最长长度加2

                                                     dp[i][j] = dp[i+1][j-1] +2

如果 i 与 j 不相同,则取dp[i][j-1] 与dp[i-1][j] 中的最大值,即为

                                   dp[i][j] = max(dp[i][j],max(dp[i-1][j],dp[i][j-1])

又dp[i][j] 依赖于 dp[i + 1][j - 1] ,dp[i + 1][j] 和 dp[i][j - 1]

遍历顺序应为 i 从下往上,j 从左往右

 

代码:

public int longestPalindromeSubseq(String s) {int len = s.length(); // 获取字符串的长度// 创建一个二维数组 dp,其中 dp[i][j] 表示子串 s[i..j] 的最长回文子序列的长度int[][] dp = new int[len + 1][len + 1];// 初始化每个字符的最长回文子序列的长度为 1,因为任何单个字符都是回文的for (int i = 0; i < len; i++) {dp[i][i] = 1;}// 从字符串的倒数第二个字符开始,逐步向前遍历所有可能的起始位置for (int i = len - 1; i >= 0; i--) {// 对于每个起始位置 i,遍历可能的结束位置 jfor (int j = i + 1; j < len; j++) {// 如果子串 s[i..j] 的首尾字符相同if (s.charAt(i) == s.charAt(j)) {// 则子串 s[i..j] 的最长回文子序列长度为子串 s[i+1..j-1] 的长度 + 2dp[i][j] = dp[i + 1][j - 1] + 2;} else {// 如果首尾字符不同,则子串 s[i..j] 的最长回文子序列长度是// 子串 s[i+1..j] 和 s[i..j-1] 的最长回文子序列长度中的较大值dp[i][j] = Math.max(dp[i + 1][j], dp[i][j - 1]);}}}// 返回整个字符串 s 的最长回文子序列的长度return dp[0][len - 1];
}
  • 外层循环从字符串的倒数第二个字符向前遍历所有起始位置 i
  • 内层循环从起始位置 i 向后遍历可能的结束位置 j
  • 如果 s[i] 和 s[j] 相同,则子串 s[i..j] 的最长回文子序列长度等于 s[i+1..j-1] 的最长回文子序列长度加 2(包括 s[i] 和 s[j])。
  • 如果 s[i] 和 s[j] 不同,则子串 s[i..j] 的最长回文子序列长度是 s[i+1..j] 和 s[i..j-1] 中较大的值。

 

今天的学习就到这里 

这篇关于算法日记day 44(动归之编辑距离|回文字串|最长回文子序列)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1094382

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj3261(可重复k次的最长子串)

题意:可重复k次的最长子串 解题思路:求所有区间[x,x+k-1]中的最小值的最大值。求sa时间复杂度Nlog(N),求最值时间复杂度N*N,但实际复杂度很低。题目数据也比较水,不然估计过不了。 代码入下: #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstring

csu1328(近似回文串)

题意:求近似回文串的最大长度,串长度为1000。 解题思路:以某点为中心,向左右两边扩展,注意奇偶分开讨论,暴力解即可。时间复杂度O(n^2); 代码如下: #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstring>#include<string>#inclu

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

day-51 合并零之间的节点

思路 直接遍历链表即可,遇到val=0跳过,val非零则加在一起,最后返回即可 解题过程 返回链表可以有头结点,方便插入,返回head.next Code /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode() {}*

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费