0
点赞
收藏
分享

微信扫一扫

( 动态规划) 1035. 不相交的线 ——【Leetcode每日一题】

b91bff6ffdb5 2023-05-20 阅读 31

❓1035. 不相交的线

难度:中等

在两条独立的水平线上按给定的顺序写下 nums1nums2 中的整数。

现在,可以绘制一些连接两个数字 nums1[i]nums2[j] 的直线,这些直线需要同时满足满足:

  • nums1[i] == nums2[j]
  • 且绘制的直线不与任何其他连线(非水平线)相交。

请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。

以这种方法绘制线条,并返回可以绘制的最大连线数。

示例 1:

示例 2:

示例 3:

提示:

  • 1 <= nums1.length, nums2.length <= 500
  • 1 <= nums1[i], nums2[j] <= 2000

💡思路:动态规划

由于连线不能相交,则可以只看nums2的第 i 个数字 和 nums1的第 j 个数字:

  1. 如果相等,则可以直接相连:此时nums2的前 i 个数字 和 nums1的前 j 个数字的连线数等于nums2的前 i - 1 个数字 和 nums1的前 j - 1 个数字的连线数 + 1

  2. 如果不相等,则不能连接:可以取nums2的前 i - 1 个数字 和 nums1的前 j 个数字的连线数,或nums2的前 i 个数字 和 nums1的前 j - 1 个数字的连线数 ,取两者最大值

根据上述分析我们定义二维dp数组dp[i][j]表示数组nums2的前 i 个数字 和 nums1的前 j 个数字可以绘制的最大连线数, 举例如下:

在这里插入图片描述

  • 如果nums2[i]等于nums1[j]nums2[i]可以与nums1[j]相连,也可以不连,则状态转移公式为:
    d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] + 1 dp[i][j] = dp[i-1][j-1] + 1 dp[i][j]=dp[i1][j1]+1
  • 如果nums2[i]不等于nums1[j],则状态转移公式为:
    d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) dp[i][j] = max(dp[i-1][j], dp[i][j-1]) dp[i][j]=max(dp[i1][j],dp[i][j1])

⭐️ 空间优化

由于dp[i][j] 只与上一行和当前行有关系,所以可以进行空间优化,只需要两个一维数组 dp[2][j]即可,一个保存当前行,另一个保存当前行的上一行,状态转移公式为:

  • nums2[i]等于nums1[j]
    d p [ s e c ] [ j ] = d p [ f i r ] [ j − 1 ] + 1 dp[sec][j] = dp[fir][j-1] + 1 dp[sec][j]=dp[fir][j1]+1
  • nums2[i]不等于nums1[j],:
    d p [ s e c ] [ j ] = m a x ( d p [ f i r ] [ j ] , d p [ s e c ] [ j − 1 ] ) dp[sec][j] = max(dp[fir][j], dp[sec][j-1]) dp[sec][j]=max(dp[fir][j],dp[sec][j1])

行号 firsec交替变换。

🍁代码:(Java、C++)

Java

class Solution {
    public int maxUncrossedLines(int[] nums1, int[] nums2) {
        int n = nums2.length;
        int m = nums1.length;
        int[][] dp = new int[n + 1][m + 1];
        for(int i = 1; i <= n; i++){
            for(int j = 1; j <= m; j++){
                if(nums1[j - 1] == nums2[i - 1]){
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else{
                    dp[i][j] = dp[i][j - 1] > dp[i - 1][j] ? dp[i][j - 1] : dp[i - 1][j];
                }
            }
        }
        return dp[n][m];
    }
}

C++

class Solution {
public:
    int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
        int n = nums2.size();
        int m = nums1.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++){
                if(nums1[j - 1] == nums2[i - 1]){
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else{
                    dp[i][j] = dp[i][j - 1] > dp[i - 1][j] ? dp[i][j - 1] : dp[i - 1][j];
                }
            }
        }
        return dp[n][m];
    }
};

⭐️空间优化

Java

class Solution {
    public int maxUncrossedLines(int[] nums1, int[] nums2) {
        int n = nums2.length;
        int m = nums1.length;
        int[][] dp = new int[2][m + 1];
        int fir = 0, sec = 1;
        for(int i = 1; i <= n; i++){
            for(int j = 1; j <= m; j++){
                if(nums1[j - 1] == nums2[i - 1]){
                    dp[sec][j] = dp[fir][j - 1] + 1;
                }
                else{
                    dp[sec][j] = dp[sec][j - 1] > dp[fir][j] ? dp[sec][j - 1] : dp[fir][j];
                }
            }
            int tmp = fir;
            fir = sec;
            sec = tmp;
        }
        return Math.max(dp[0][m], dp[1][m]);
    }
}

C++

class Solution {
public:
    int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
        int n = nums2.size();
        int m = nums1.size();
        vector<vector<int>>dp (2, vector<int>(m + 1));
        int fir = 0, sec = 1;
        for(int i = 1; i <= n; i++){
            for(int j = 1; j <= m; j++){
                if(nums1[j - 1] == nums2[i - 1]){
                    dp[sec][j] = dp[fir][j - 1] + 1;
                }
                else{
                    dp[sec][j] = dp[sec][j - 1] > dp[fir][j] ? dp[sec][j - 1] : dp[fir][j];
                }
            }
            int tmp = fir;
            fir = sec;
            sec = tmp;
        }
        return max(dp[0][m], dp[1][m]);
    }
};

🚀 运行结果:

在这里插入图片描述

🕔 复杂度分析:

  • 时间复杂度 O ( m ∗ n ) O(m*n) O(mn),其中 m 为数组nums1的长度,n 为数组nums2的长度。
  • 空间复杂度 O ( m ) O(m) O(m),空间优化只需 2 * m的空间,优化前的空间复杂度为 O ( m ∗ n ) O(m*n) O(mn)

题目来源:力扣。

注: 如有不足,欢迎指正!

举报

相关推荐

0 条评论