718. 最长重复子数组

最长重复子数组问题与动态规划解法
最新推荐文章于 2025-11-28 18:05:33 发布
原创 最新推荐文章于 2025-11-28 18:05:33 发布 · 83 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#动态规划 #java #leetcode #算法 #数据结构

本文介绍了一种使用动态规划解决寻找两个整数数组中最长重复子数组长度的方法。通过二维数组dp来存储以每个元素为结尾的最长公共子序列的长度，并利用动态规划的思想更新最大长度。该算法对于理解动态规划在数组问题中的应用具有很好的示例作用。

718. 最长重复子数组

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        int[][] dp = new int[nums1.length + 1][nums2.length + 1];
        int max = 0;
        for(int i = 1; i <= nums1.length;i++){
            for(int j = 1;j <= nums2.length;j++){
                if(nums1[i - 1] == nums2[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1;
                max = Math.max(dp[i][j],max);
            }
        }
        return max;
    }
}

dp[i][j] 分别表示以A[i - 1] 和B[j - 1]结尾的最长公共子序列

leetCode 718.最长重复子数组 动态规划 + 优化（滚动数组）
呵呵哒!的博客
10-08 507
拓展：若我想定义dp[i][j] 是以下标 i 为结尾的nums1，以下标 j 为结尾的 nums2 的最长重复子数组长度，可行不?其实本题相对来说就简单很多了，因为后面的递推公式，遍历顺序，初始化，都比较简单，dp[i][j]的状态只能由 dp[i-1][j-1]推导出来，即。递推公式dp[i][j] = dp[i-1][j-1] + 1;那么可将 dp[i][0] 和 dp[0][j] 初始化为0。当nums1[i-1] 和 nums2[j-1] 相等时，长度最长的公共子数组是 [3,2,1]。
Day52｜动态规划part13：300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组
weixin_43303286的博客
04-26 588
举个例子A[0]如果和B[0]相同的话，dp[1][1] = dp[0][0] + 1，只有dp[0][0]初始为0，正好符合递推公式逐步累加起来。但dp[i][0] 和dp[0][j]要初始值，因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;dp[i][j] ：以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j]。如果A[i-1] 和B[i - 1]相同，dp[i][j] = dp[i - 1][j - 1] + 1。
LeetCode 718. 最长重复子数组
RIOTSAKURA的博客
07-18 418
LeetCode 718. 最长重复子数组
leetcode-718. 最长重复子数组
wangkai6666的博客
02-12 998
leetcode-718. 最长重复子数组 给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。 示例： 输入： A: [1,2,3,2,1] B: [3,2,1,4,7] 输出：3 解释： 长度最长的公共子数组是 [3, 2, 1] 。 动态规划 class Solution { public: int findLength(vector<int>& A, vector<int>& B) { int lenA = A.
【Leetcode刷题Python】718. 最长重复子数组
BetterBench的博客
09-10 638
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。
LeetCode-718. 最长重复子数组
Knight
03-25 575
第一个是低级错误，nums1[i] == nums2[j]写成了nums1[i-1] == nums2[j-1]即当A[i] 和B[j]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1;根据dp[i][j]的定义，dp[i][j]的状态只能由dp[i - 1][j - 1]推导出来。dp[i][j]的定义也就决定着，我们在遍历dp[i][j]的时候i 和 j都要从0开始。根据dp[i][j]的定义，dp[i][0] 和dp[0][j]，相等就为1。第二个是没判断边界值。
leetcode每日一题：718. 最长重复子数组
weixin_42846216的博客
07-01 287
718. 最长重复子数组 给两个整数数组 A 和 B ，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: A: [1,2,3,2,1] B: [3,2,1,4,7] 输出: 3 解释: 长度最长的公共子数组是 [3, 2, 1]。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/maximum-length-of-repeated-subarray添加链接描述 思路 方法一：暴力法 1 将A当作参考，枚举B中每一个元素，寻找A中
【算法-LeetCode】718. 最长重复子数组（动态规划）
赖念安的博客
09-07 1371
718. 最长重复子数组 - 力扣（LeetCode） 发布：2021年9月6日16:40:45 问题描述及示例 给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。 输入： A: [1,2,3,2,1] B: [3,2,1,4,7] 输出：3 解释： 长度最长的公共子数组是 [3, 2, 1] 。 提示： 1 <= len(A), len(B) <= 1000 0 <= A[i], B[i] < 100 我的题解 这里应该最先注意的一个点就是【子
算法---LeetCode 718. 最长重复子数组
知北行的博客
06-19 296
1. 题目 原题链接 给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。 示例： 输入： A: [1,2,3,2,1] B: [3,2,1,4,7] 输出：3 解释： 长度最长的公共子数组是 [3, 2, 1] 。 提示： 1 <= len(A), len(B) <= 1000 0 <= A[i], B[i] < 100 Related Topics 数组 哈希表 二分查找 动态规划 ???? 469 ???? 0 2. 题解 2.1 解法1: 动态规划
LeetCode:718. 最长重复子数组 - Python
Growth Diary
09-03 622
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 。
itcharge#LeetCode-Py#0718. 最长重复子数组1
07-25
0718. 最长重复子数组标签：数组、二分查找、动态规划、滑动窗口、哈希函数、滚动哈希难度：中等题目大意给定两个整数数组 nums1、nums2。定义状态 dp
LeetCode 718. 最长重复子数组/最长公共子串(C++)
Xavier_97的博客
09-27 1001
唯一的不同就在于，最长子序列允许序列并非连续的，而最长子数组（子串）要求序列是连续的。而“12”和“32”子串在dp数组中保存的值就为1，因此它们最后一位相等，然后再往前找，发现不相等，于是最长就为1。我们可以看到，经过这样的滑动窗口之后，数组1的每个数都和数组2的每一个数对齐进行了一次匹配比较，因此只需要记录下匹配过程中的最大子串就完成了整个过程。在暴力解法中，我们开始计算公共子串的长度的步骤总是等到两个数组的当前元素相等的时候才开始，但是两个元素相等的位置我们根本不知道在哪，所以任何地方都有可能，即。
【AGC005D】~K Perm Counting（计数抽象成图）
2301_77025310的博客
10-01 3651
注意到位置为id，权值为v ,不合法的情况，当且仅当 v = id+k或 v= id-k。dp(i,j,pd)表示考虑到第i号点， 连了j条边，是否有连接i 到 i-1号点。因此，我们把每一个位置和权值抽象成点 ，不合法的情况之间连一条边，可以构成二分图。由此可知，当选了n条边，就恰好n个位置不合法，限制条件是：连的边不能相邻，求出f(m) ，f(m)指代至少有m个位置不合法的方案数。由此总共有2n 个点 k 条链，链与链之间无边 互不干涉。把二分图展开成k条链，进行dp。简单的乘法原理罢了。
MyBatis + PageHelper 分页内幕，PageHelper 是如何动态构建 LIMIT 分页 SQL 的
日常笔记 | 干货分享 | 毕设源码 | 毕设指导 | 答辩指导
11-26 1040
若依系统中有很多的表格数据、后端接口实体中并没有看到有接收分页大小和页码的属性，在系统的mapper层面SQL语句中并没有看到对应的分页限制。它是如何实现这个分页效果的呢？是将所有的数据查询出来，然后再分页吗？这样效率岂不是非常低。带着这样的疑问，稍微研究了一下这个系统的分页方法。更多详细文章后端是通过从 HttpServletRequest 对象中获取分页的页码和大小，然后创建Page分页对象，在执行sql查询的时候，动态构建分页限制条件。从而实现分页，并不是在查询到所有数据之后再进行的分页处理。
【实战】项目traffic analysis技术点记录二
最新发布
努力学习的！
11-28 856
主要是因为ClickHouse的DateTime类型精度只到秒级，不支持毫秒部分，而Java的LocalDateTime默认包含毫秒精度。（1） 服务提供者： 通过k8s Service 暴露出一组pod实例，并拥有一个稳定的DNS名称 ： user-service.default.svc.cluster.local。这个注解的正确使用对于保证对象比较的正确性非常重要，特别是在使用HashSet、HashMap等集合时！轻量级，中心化的调度方案，依赖JobRunLock，同一任务实例互斥。
Springboot | Spring Boot 3 纯 JDBC 实现宠物管理系统增删改查（无 ORM 框架）
张较瘦
11-24 1472
本文介绍了基于Spring Boot 3和纯JDBC实现的宠物管理系统CRUD操作。通过原生JDBC方式，不使用任何ORM框架，帮助开发者深入理解底层数据库操作原理。文章详细说明了环境准备（JDK17+、Spring Boot 3.2.x、MySQL 8.0）、项目依赖配置、数据库连接设置以及表结构创建。核心实现包括：Pet实体类定义（包含id、name、breed和age字段）以及PetService服务层，利用JdbcTemplate封装增删改查操作，重点演示了如何通过PreparedStatement
SpringBoot后端服务重定向
2509_94200968的博客
11-27 629
选择哪种方法取决于具体需求和架构。在我的场景中，使用了Spring MVC的重定向。但如果需要一个长期的解决方案，需要考虑前端同步更新，避免不必要的重定向的开销。或者使用反向代理或者Spring Cloud Gateway。愿你我都能在各自的领域里不断成长，勇敢追求梦想，同时也保持对世界的好奇与善意！
最长重复子数组js
03-21
### 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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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