[Algorithm][动态规划][两个数组的DP][正则表达式匹配][交错字符串][两个字符串的最小ASCII删除和][最长重复子数组]详细讲解

---

1.正则表达式匹配

1.题目链接

• 正则表达式匹配

---

2.算法原理详解

• 思路：

  • 确定状态表示 -> dp[i][j]的含义

    • dp[i]j]：p的[0, j]区间内的子串能否匹配s的[0, i]区间内的子串

  • 推导状态转移方程：根据最后一个位置的情况，分情况讨论

    • 结论
      

    • 推导过程
      

    • 本题若直接按照如下的状态转移方程去写，时间复杂度会到$O(N^3)$

    • 所以需要想办法优化

  • 优化：

    • 方法一：数学推导
      

    • 方法二：根据状态表示以及实际情况，优化状态转移方程 -> 抽象，难理解:(

      • 实际相当于保留了*，把状态传递给前面
        

  • 初始化：

    • 多开一行及一列虚拟结点
      

  • 确定填表顺序：从上往下，从左往右

  • 确定返回值：dp[n][m]

---

3.代码实现

bool isMatch(string s, string p) 
{int n = s.size(), m = p.size();s = " " + s, p = " " + p;vector<vector<bool>> dp(n + 1, vector<bool>(m + 1));// Initdp[0][0] = true;for(int i = 2; i <= m; i += 2){if(p[i] == '*'){dp[0][i] = true;}else{break;}}// DPfor(int i = 1; i <= n; i++){for(int j = 1; j <= m; j++){if(p[j] == '*'){dp[i][j] = dp[i][j - 2] || (p[j - 1] == '.' || p[j - 1] == s[i]) && dp[i - 1][j];}else{dp[i][j] = (p[j] == s[i] || p[j] == '.') && dp[i - 1][j - 1];}}}return dp[n][m];
}

---

2.交错字符串

1.题目链接

• 交错字符串

---

2.算法原理详解

• 预处理：s1 = " " + s1, s2 = " " + s2, s3 = " " + s3

  • 目的：此时可以很简便的用s1和s2的下标就计算到s3的的下标
    

• 思路：

  • 确定状态表示 -> dp[i][j]的含义

    • dp[i]j]：s1的[1, i]区间内的字符串以及s2的[1, j]区间内的字符串，能否拼接凑成s3的[1, i + j]区间内的字符串

  • 推导状态转移方程：根据最后一个位置的情况，分情况讨论
    

  • 初始化：

    • 多开一行及一列虚拟结点
      

  • 确定填表顺序：从上往下，从左往右

  • 确定返回值：dp[n][m]

---

3.代码实现

bool isInterleave(string s1, string s2, string s3) 
{int n = s1.size(), m = s2.size();if(n + m != s3.size()) return false;s1 = " " + s1, s2 = " " + s2, s3 = " " + s3;vector<vector<bool>> dp(n + 1, vector<bool>(m + 1));// Initdp[0][0] = true;for(int i = 1; i <= m; i++) // 第一行{if(s2[i] == s3[i]){dp[0][i] = true;}else{break;}}for(int i = 1; i <= n; i++) // 第一列{if(s1[i] == s3[i]){dp[i][0] = true;}else{break;}}// DPfor(int i = 1; i <= n; i++){for(int j = 1; j <= m; j++){dp[i][j] = (s1[i] == s3[i + j] && dp[i - 1][j])|| (s2[j] == s3[i + j] && dp[i][j - 1]);}}return dp[n][m];
}

---

3.两个字符串的最小ASCII删除和

1.题目链接

• 两个字符串的最小ASCII删除和

---

2.算法原理详解

• 问题转化：删除后，公共子序列中，ASCII和最大的 —> 正难则反
• 思路：

  • 确定状态表示 -> dp[i][j]的含义

    • dp[i]j]：s1的[0, i]区间以及s2的[0, j]区间内的所有的子序列里，公共子序列ASCII最大和

  • 推导状态转移方程：根据最后一个位置的情况，分情况讨论
    

  • 初始化：vector<vector<int>> dp(n + 1, vector<int>(m + 1))

  • 确定填表顺序：从上往下，从左往右

  • 确定返回值：

    • 统计2个字符串的ASCII和sum
    • sum - dp[n][m] * 2

---

3.代码实现

int minimumDeleteSum(string s1, string s2) 
{int n = s1.size(), m = s2.size();vector<vector<int>> dp(n + 1, vector<int>(m + 1));for(int i = 1; i <= n; i++){for(int j = 1; j <= m; j++){dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);if(s1[i - 1] == s2[j - 1]){dp[i][j] = max(dp[i][j], dp[i - 1][j - 1] + s1[i - 1]);}}}int ret = 0;for(auto& ch : s1){ret += ch;}for(auto& ch : s2){ret += ch;}return ret - dp[n][m] * 2;
}

---

4.最长重复子数组

1.题目链接

• 最长重复子数组

---

2.算法原理详解

• 思路：

  • 确定状态表示 -> dp[i][j]的含义

    • dp[i]：选取[0, i]一段区间内的所有子数组 ×
      • 因为此时无法知道最长子数组在哪儿，可能在中间，此时无法正确表示状态
    • dp[i][j]：nums1[i]中以i位置元素为结尾的所有的子数组以及nums2中以j位置元素为结尾的所有的子数组中，最长重复子数组的长度

  • 推导状态转移方程：根据最后一个位置的情况，分情况讨论
    

  • 初始化：vector<vector<int>> dp(n + 1, vector<int>(m + 1))

  • 确定填表顺序：从上往下

  • 确定返回值：dp表里面的最大值

---

3.代码实现

int findLength(vector<int>& nums1, vector<int>& nums2) 
{int n = nums1.size(), m = nums2.size();vector<vector<int>> dp(n + 1, vector<int>(m + 1));int ret = 0;for(int i = 1; i <= n; i++){for(int j = 1; j <= m; j++){if(nums1[i - 1] == nums2[j - 1]){dp[i][j] = dp[i - 1][j - 1] + 1;ret = max(ret, dp[i][j]);}}}return ret;
}