動態規劃裏的最長公共子串問題
1.0代碼
class Solution(object):
def findLength(self, A, B):
"""
:type A: List[int]
:type B: List[int]
:rtype: int
"""
#設置dp矩陣
dp = [[0 for row in range(len(A))] for _ in range(len(B))]
max_ = 0
for i,v in enumerate(A):
if B[0] == v:
dp[0][i] = 1
for i,v in enumerate(B):
if A[0] == v:
dp[i][0] = 1
#如果有相同的字符,則根據dp矩陣左上角數字加一以表示連續性
for i in range(1,len(B)):
for j in range(1,len(A)):
if B[i] == A[j]:
dp[i][j] = dp[i-1][j-1] + 1
max_ = max(dp[i][j],max_)
return max_
自己寫的第一版代碼巨費時。
這個用dp算法比較耗時,但是可以作爲dp算法的入門題來理解一下
#max_ = max(dp[i][j],max_)
max_ = max_ if dp[i][j] <max_ else dp[i][j]
參考discuss發現max函數雖然美觀但是費時,多了大約400ms,不如直接去比較