dp练习【4】

最长数对链 

646. 最长数对链

给你一个由 n 个数对组成的数对数组 pairs ，其中 pairs[i] = [lefti, righti] 且 lefti < righti 。

现在，我们定义一种 跟随 关系，当且仅当 b < c 时，数对 p2 = [c, d] 才可以跟在 p1 = [a, b] 后面。我们用这种形式来构造 数对链 。

找出并返回能够形成的 最长数对链的长度 。

你不需要用到所有的数对，你可以以任何顺序选择其中的一些数对来构造。

示例 1：

输入：pairs = [[1,2], [2,3], [3,4]]
输出：2
解释：最长的数对链是 [1,2] -> [3,4] 。

示例 2：

输入：pairs = [[1,2],[7,8],[4,5]]
输出：3
解释：最长的数对链是 [1,2] -> [4,5] -> [7,8] 。

class Solution {public int findLongestChain(int[][] pairs) {int n = pairs.length;Arrays.sort(pairs, (a, b) -> a[0] - b[0]);int[] dp = new int[n];Arrays.fill(dp, 1);for (int i = 0; i < n; i++) {for (int j = 0; j < i; j++) {if (pairs[i][0] > pairs[j][1]) {// 通过i位置与前面所有的比较，然后得到当前时候最多有多少对（j到i之间最大对数）dp[i] = Math.max(dp[i], dp[j] + 1);}}}return dp[n - 1];}
}

最长定差子序列

1218. 最长定差子序列

给你一个整数数组 arr 和一个整数 difference，请你找出并返回 arr 中最长等差子序列的长度，该子序列中相邻元素之间的差等于 difference 。

子序列 是指在不改变其余元素顺序的情况下，通过删除一些元素或不删除任何元素而从 arr 派生出来的序列。

示例 1：

输入：arr = [1,2,3,4], difference = 1
输出：4
解释：最长的等差子序列是 [1,2,3,4]。

示例 2：

输入：arr = [1,3,5,7], difference = 1
输出：1
解释：最长的等差子序列是任意单个元素。

示例 3：

输入：arr = [1,5,7,8,5,3,4,2,1], difference = -2
输出：4
解释：最长的等差子序列是 [7,5,3,1]。

这个题目不能用常规dp来做，会超时，比如说这样，就超时了

class Solution {public int longestSubsequence(int[] arr, int difference) {int n = arr.length;int[] dp = new int[n + 1];Arrays.fill(dp, 1);int maxLen = 1;for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (arr[i] - arr[j] == difference) {dp[i] = Math.max(dp[i], dp[j] + 1);}}maxLen = Math.max(maxLen,dp[i]);}return maxLen;}
}

 

要用哈希表来存储之前最长的重复子数组才行

class Solution {// 方法用于计算数组 arr 中具有固定差值 difference 的最长子序列长度public int longestSubsequence(int[] arr, int difference) {int ans = 0; // 初始化最长子序列的长度为 0// 创建一个大小为 40001 的整型数组 dp，用于存储动态规划的状态// 数组大小的选择是为了适应输入数据的变化范围，假设输入数据范围在 [-20000, 19999] 内int[] dp = new int[40001];// 遍历数组 arr 的每一个元素for (int num : arr) {// 为了使数组下标非负，将当前数字 num 偏移 20000 后使用作为 dp 数组的索引// dp[num + 20000] 存储了以 num 结尾的具有固定差值 difference 的最长子序列长度// dp[num + 20000 - difference] 则是前一个元素 (num - difference) 的最长子序列长度// 当前元素 num 的最长子序列长度为前一个元素的长度加 1dp[num + 20000] = dp[num + 20000 - difference] + 1;// 更新全局最长子序列长度 ans// 取当前已知的最长子序列长度和 dp[num + 20000] 中较大的值ans = Math.max(ans, dp[num + 20000]);}// 返回最长子序列的长度return ans;}
}

最长等差数列

1027. 最长等差数列

给你一个整数数组 nums，返回 nums 中最长等差子序列的长度。

回想一下，nums 的子序列是一个列表 nums[i1], nums[i2], ..., nums[ik] ，且 0 <= i1 < i2 < ... < ik <= nums.length - 1。并且如果 seq[i+1] - seq[i]( 0 <= i < seq.length - 1) 的值都相同，那么序列 seq 是等差的。

示例 1：

输入：nums = [3,6,9,12]
输出：4
解释： 
整个数组是公差为 3 的等差数列。

示例 2：

输入：nums = [9,4,7,2,10]
输出：3
解释：
最长的等差子序列是 [4,7,10]。

示例 3：

输入：nums = [20,1,15,3,10,5,8]
输出：4
解释：
最长的等差子序列是 [20,15,10,5]。

class Solution {// 方法接收一个整数数组 nums 作为参数public int longestArithSeqLength(int[] nums) {int n = nums.length; // 获取数组长度// 创建一个二维数组 dp，大小为 [n][1001]，用于存储动态规划的结果int[][] dp = new int[n][1001];int maxLen = 0; // 初始化最长等差数列的长度为0// 从第二个元素开始遍历数组for (int k = 1; k < n; k++) {// 从第一个元素到第k-1个元素遍历for (int j = 0; j < k; j++) {// 计算两数之差，并加上500以保证下标非负// 这里假设差值的范围是 [-500, 500]，因此差值加上500后可以作为下标int d = nums[k] - nums[j] + 500;// 根据差值 d 更新 dp[k][d] 的值，即以 nums[k] 结尾且差值为 d 的等差数列的长度// dp[j][d] 表示以 nums[j] 结尾且差值为 d 的等差数列的长度// 加1是因为当前元素 nums[k] 可以与前面的等差数列形成新的等差数列dp[k][d] = dp[j][d] + 1;// 更新最长等差数列的长度maxLen = Math.max(maxLen, dp[k][d]);}}// 最终返回最长等差数列的长度，由于 dp 数组中存储的是除第一个元素外的等差数列长度，所以需要加1return maxLen + 1;}
}

腾讯面试时的算法题目

牛客上看面经，看到有人写的，在面试之后，面试官出的两道dp。自己尝试了一下，发现难度还好，属于动态规划系列中【最长递增子序列】分类和【动态规划在字符串的应用】分类中类似的题型

最长重复子数组

718. 最长重复子数组

给两个整数数组 nums1 和 nums2 ，返回 两个数组中 公共的 、长度最长的子数组的长度 。

示例 1：

输入：nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出：3
解释：长度最长的公共子数组是 [3,2,1] 。

示例 2：

输入：nums1 = [0,0,0,0,0], nums2 = [0,0,0,0,0]
输出：5

提示：

• 1 <= nums1.length, nums2.length <= 1000
• 0 <= nums1[i], nums2[i] <= 100

class Solution {public int longestArithSeqLength(int[] nums) {int n=nums.length;int[][] dp=new int[n][1001];int maxLen=0;//保存结果for(int k=1;k<n;k++){for(int j=0;j<k;j++){int d=nums[k]-nums[j]+500;//统一加偏移量，使下标非负dp[k][d]=dp[j][d]+1; //根据 d 去填充dp[k][d]maxLen=Math.max(maxLen,dp[k][d]);//维护最大值}}return maxLen+1;}
}

最长公共子序列

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。

示例 1：

输入：text1 = "abcde", text2 = "ace" 
输出：3  
解释：最长公共子序列是 "ace" ，它的长度为 3 。

示例 2：

输入：text1 = "abc", text2 = "abc"
输出：3
解释：最长公共子序列是 "abc" ，它的长度为 3 。

示例 3：

输入：text1 = "abc", text2 = "def"
输出：0
解释：两个字符串没有公共子序列，返回 0 

class Solution {public int longestCommonSubsequence(String text1, String text2) {int m = text1.length();int n = text2.length();int[][] dp = new int[n + 1][m + 1];for (int i = 1; i <= n; i++) {for (int j = 1; j <= m; j++) {if (text1.charAt(j - 1) == text2.charAt(i - 1)) {dp[i][j] = dp[i - 1][j - 1] + 1;} else {dp[i][j] = Math.max(dp[i][j - 1], dp[i - 1][j]);}}}return dp[n][m];}
}

 

每日一题

3174. 清除数字

给你一个字符串 s 。

你的任务是重复以下操作删除 所有 数字字符：

• 删除 第一个数字字符 以及它左边 最近 的 非数字 字符。

请你返回删除所有数字字符以后剩下的字符串。

示例 1：

输入：s = "abc"

输出："abc"

解释：

字符串中没有数字。

示例 2：

输入：s = "cb34"

输出：""

解释：

一开始，我们对 s[2] 执行操作，s 变为 "c4" 。

然后对 s[1] 执行操作，s 变为 "" 。

用栈的思想解题：

class Solution {public String clearDigits(String s) {StringBuilder res = new StringBuilder();for (char c : s.toCharArray()){if (Character.isDigit(c)) {res.deleteCharAt(res.length() - 1);} else {res.append(c);}}return res.toString();}
}