最长重复子数组

题目:力扣

解题思路:

最长公共子串换了个马甲,这要是搁在以前我可能看不出来,果然做题是有用的,看完题目就大概知道需要用动态规划做了,这种求最值的而不是具体内容的可以往动态规划上考虑一下,看看是否可以满足动态规划的条件。

class Solution {
    public int findLength1(int[] A, int[] B) {
        int row = A.length+1;
        int col = B.length+1;
        int ans = 0;
        int[][] record = new int[row][col];
        for(int i = 1; i < row; i++){
            for(int j = 1; j < col; j++){
                if(A[i-1] == B[j-1]){
                    record[i][j] = record[i-1][j-1]+1;
                }
                else{
                    record[i][j] = 0;
                }
                ans = Math.max(ans, record[i][j]);
            }
        }
        return ans;
    }
     //优化空间
    public int findLength2(int[] A, int[] B) {
        int row = A.length+1;
        int col = B.length+1;
        int ans = 0;
        int[] record = new int[col];
        for(int i = 1; i < row; i++){
            //必须从后向前遍历
            for(int j = col-1; j >= 1; j--){
                if(A[i-1] == B[j-1]){
                    record[j] = record[j-1]+1;
                }
                else{
                    record[j] = 0;
                }
                ans = Math.max(ans, record[j]);
            }
        }
        return ans;
    }
}

 

### JavaScript中最长重复子数组的实现 在解决最长重复子数组问题时,可以采用动态规划的方法。这种方法能够有效地减少计算复杂度,并提供一种清晰的方式来解决问题。 以下是基于动态规划方法的一个具体实现: #### 动态规划的核心思路 定义一个二维数组 `dp`,其中 `dp[i][j]` 表示以 `nums1[i-1]` 结尾的子数组和以 `nums2[j-1]` 结尾的子数组的最大公共长度[^2]。如果 `nums1[i-1] === nums2[j-1]`,则更新 `dp[i][j] = dp[i-1][j-1] + 1`;否则保持为零。 ```javascript function findLength(nums1, nums2) { const n = nums1.length; const m = nums2.length; // 初始化 DP 数组 let dp = Array.from({ length: n + 1 }, () => Array(m + 1).fill(0)); let maxLength = 0; // 填充 DP 数组 for (let i = 1; i <= n; i++) { for (let j = 1; j <= m; j++) { if (nums1[i - 1] === nums2[j - 1]) { dp[i][j] = dp[i - 1][j - 1] + 1; maxLength = Math.max(maxLength, dp[i][j]); } } } return maxLength; } ``` 上述代码中,我们初始化了一个 `(n+1)x(m+1)` 大小的二维数组 `dp` 来存储中间状态。通过双重循环遍历两个输入数组中的每一个可能组合,当发现匹配项时,利用前一状态的结果进行累加操作[^4]。 #### 时间与空间复杂度分析 此解决方案的时间复杂度为 O(n * m),这是因为我们需要比较两数组间每一对元素的可能性。对于空间复杂度而言也是 O(n * m),由于创建了额外的空间用于保存所有的子问题解答结果[^3]。 为了优化内存消耗,在实际应用过程中还可以考虑仅保留上一层的状态而非整个矩阵,从而降低至线性的空间需求。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值