子序列 DP

本篇对应源码见仓库 solutions/xcpc/algorithm/dp/subsequence/。

最长公共子序列(LCS)

问题描述

"abcde","ace" => "ace"(3)

思路1 二维dp

• 状态定义：dp[i][j]: 表示 a[1..i] 和 b[1..j] 的最长公共子序列长度
• 初始化：均为 0
• 状态转移方程：
  • 如果 a[i] == b[j]，则 dp[i][j] = dp[i-1][j-1] + 1
  • 否则，dp[i][j] = max(dp[i-1][j], dp[i][j-1])

时间复杂度 \(O(nm))\)
空间复杂度 \(O(nm)\)

示例代码

	int n;
    cin >> n;
    vector<int> a(n + 1), b(n + 1);
    fer(i, 1, n + 1) cin >> a[i];
    fer(i, 1, n + 1) cin >> b[i];

    vector<vector<int>> dp(n + 1, vector<int>(n + 1));
    fer(i, 1, n + 1) {
    	fer(j, 1, n + 1) {
    		if(a[i] == a[j]) {
    			dp[i][j] = dp[i - 1][j - 1] + 1;
    		} else {
    			dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
    		}
    	}
    }
    cout << dp[n][n] << '\n';

最长上升子序列

思路1 一维dp二重循环

• 状态定义：dp[i]: 表示以 a[i] 结尾的最长上升子序列的长度
• 初始化：均为 1
• 状态转移方程：
  • if(a[i] > a[j]) dp[i] = dp[j] + 1（其中 j < i）

时间复杂度 \(O(n^2)\)
空间复杂度 \(O(n)\)

示例代码

	int n;
    cin >> n;
    vector<int> a(n + 1), dp(n + 1, 1);

    fer(i, 1, n + 1) cin >> a[i];
    fer(i, 1, n + 1) {
    	fer(j, 1, i) {
    		if(a[i] > a[j]) {
    			dp[i] = dp[j] + 1;
    		}
    	}
    }
    cout << *max_element(all(dp)) << '\n';

思路2 一维dp单循环(贪心+二分)

• 状态定义：dp[i]: 表示长度为 i 的最长上升子序列的末尾元素的最小值
• 初始化：dp 数组为空
• 状态转移：
  • 对于每个 a[i]，使用二分查找找到 dp 中第一个大于等于 a[i] 的位置 j，然后更新 dp[j] = a[i]
  • 因为如果找到了的话，说明这个位置(it)的前一个位置(it - 1)的值小于 a[i] ，所以可以由(it - 1)这个状态进行转移

时间复杂度 \(O(n \log n)\)
空间复杂度 \(O(n)\)

示例代码

signed main() {
    IOS;

    int n;
    cin >> n;
    vector<int> a(n), dp;
    fer(i, 0, n) cin >> a[i];

    fer(i, 0, n) {
    	auto it = lower_bound(all(dp), a[i]);
    	if(it != dp.end()) {
    		*it = a[i];
    	} else {
    		dp.push_back(a[i]);
    	}
    }
    cout << dp.size() << '\n';

    return 0;
}

编辑距离

P2758 编辑距离

题目描述

设 \(A\) 和 \(B\) 是两个字符串。我们要用最少的字符操作次数，将字符串 \(A\) 转换为字符串 \(B\)。这里所说的字符操作共有三种：

1. 删除一个字符；
2. 插入一个字符；
3. 将一个字符改为另一个字符。

\(A, B\) 均只包含小写字母。

输入格式

第一行为字符串 \(A\)；第二行为字符串 \(B\)；字符串 \(A, B\) 的长度均小于 \(2000\)。

输出格式

只有一个正整数，为最少字符操作次数。

输入输出样例 #1

输入 #1

sfdqxbw
gfdgw

输出 #1

4

说明/提示

对于 \(100 \%\) 的数据，\(1 \le |A|, |B| \le 2000\)。

思路

• 状态定义：dp[i][j]: 表示将字符串 A[1..i] 转换为 B[1..j] 的最少操作次数

• 初始化：dp[0][0] = 0，dp[i][0] = i (删除操作)，dp[0][j] = j (插入操作)

• 状态转移方程：

  • 如果 A[i] == B[j]，则 dp[i][j] = dp[i-1][j-1]
  • 否则，dp[i][j] = min(dp[i-1][j] + 1, dp[i][j-1] + 1, dp[i-1][j-1] + 1) (删除、插入、替换操作)

• 时间复杂度 \(O(nm)\)

• 空间复杂度 \(O(nm)\)

• 使用删除操作为什么是dp[i - 1][j]？因为相当于是说 A 的 前 i - 1 个字符已经和 B 的前 j 个字符匹配好了，那么现在只需要删除 A 的第 i 个字符就可以了。

• 使用插入操作为什么是dp[i][j - 1]？因为相当于是说 A 的 前 i 个字符已经和 B 的前 j - 1 个字符匹配好了，那么现在只需要在 A 的后面插入 B 的第 j 个字符就可以了。

• 使用替换操作为什么是dp[i - 1][j - 1]？因为相当于是说 A 的 前 i - 1 个字符已经和 B 的前 j - 1 个字符匹配好了，那么现在只需要将 A 的第 i 个字符替换为 B 的第 j 个字符就可以了。

也可以用滚动数组优化

示例代码1

signed main() {
    IOS;

    string s1, s2;
    cin >> s1 >> s2;
    int n = s1.size(), m = s2.size();
    vector<vector<int>> dp(n + 1, vector<int>(m + 1));

    s1 = " " + s1, s2 = " " + s2;
    fer(i, 0, n + 1) dp[i][0] = i;
    fer(j, 0, m + 1) dp[0][j] = j;

    fer(i, 1, n + 1) {
    	fer(j, 1, m + 1) {
    		if(s1[i] == s2[j]) {
    			dp[i][j] = dp[i - 1][j - 1];
    		} else {
    			dp[i][j] = min({dp[i][j - 1], dp[i - 1][j], dp[i - 1][j - 1]}) + 1;
    		}
    	}
    }
    cout << dp[n][m] << '\n';

    return 0;
}

示例代码2

int minDistance(string word1, string word2) {
    if(word1.size() < word2.size()) return minDistance(word2, word1);

    int m = word1.size(), n = word2.size();
    vector<int> dp(n+1);
    iota(dp.begin(), dp.end(), 0);  // 初始化0,1,2,...,n

    for(int i = 1; i <= m; i++) {
        int prev = dp[0];  // dp[i-1][j-1]
        dp[0] = i;  // dp[i][0] = i

        for(int j = 1; j <= n; j++) {
            int temp = dp[j];  // 保存dp[i-1][j]

            if(word1[i-1] == word2[j-1]) {
                dp[j] = prev;
            } else {
                dp[j] = min({dp[j], dp[j-1], prev}) + 1;
            }

            prev = temp;  // 下一轮循环时prev就是dp[i-1][j-1]
        }
    }

    return dp[n];
}