【C++动态规划】1458. 两个子序列的最大点积|1823

本文涉及知识点

下载及打开打包代码的方法兼述单元测试
C++动态规划

LeetCode1458. 两个子序列的最大点积

LeetCode3290 和此题几乎相同。
给你两个数组 nums1 和 nums2 。
请你返回 nums1 和 nums2 中两个长度相同的非空子序列的最大点积。
数组的非空子序列是通过删除原数组中某些元素（可能一个也不删除）后剩余数字组成的序列，但不能改变数字间相对顺序。比方说，[2,3,5] 是 [1,2,3,4,5] 的一个子序列而 [1,5,3] 不是。
示例 1：
输入：nums1 = [2,1,-2,5], nums2 = [3,0,-6]
输出：18
解释：从 nums1 中得到子序列 [2,-2] ，从 nums2 中得到子序列 [3,-6] 。
它们的点积为 (23 + (-2)(-6)) = 18 。
示例 2：
输入：nums1 = [3,-2], nums2 = [2,-6,7]
输出：21
解释：从 nums1 中得到子序列 [3] ，从 nums2 中得到子序列 [7] 。
它们的点积为 (3*7) = 21 。
示例 3：
输入：nums1 = [-1,-1], nums2 = [1,1]
输出：-1
解释：从 nums1 中得到子序列 [-1] ，从 nums2 中得到子序列 [1] 。
它们的点积为 -1 。
提示：
1 <= nums1.length, nums2.length <= 500
-1000 <= nums1[i], nums2[i] <= 100
点积：
定义 a = [a1, a2,…, an] 和 b = [b1, b2,…, bn] 的点积为：
$\mathbf{a}\cdot \mathbf{b} = \sum_{i=1}^n a_ib_i = a_1b_1 + a_2b_2 + \cdots + a_nb_n$
这里的 Σ 指示总和符号。

动态规划## 动态规划的状态表示

dp[i][j] 表示从nums1的前i个元素,nums2的前j个元素中选择子序列组成的最大点积和。空间复杂度：O(nm)。

动态规划的转移方程

$dp[i][j]=\begin{cases} dp[i-1][j-1]+nums1[i-1]\times nums2[j-1] && 都选择 \\ dp[i][j-1] && nums1[i-1]选择了 \\ dp[i-1][j] && nums2[j-1]选择了 \\ dp[i-1][j-1] && 两者都没选择。\\ \end{cases}$
情况二和情况三都包括情况四。所以只需要比较前三种情况。

动态规划的填表顺序

枚举后序状态。i = 1 To n ,j = 1 To m

动态规划的初始状态

dp[0][?] = 0, dp[?][0]=0其它-1e9

动态规划的返回值

dp.back
如果一个num1全为负数，最大值为m1，num2全为正，最小值为m2。则直接返回 m1*m2。
nums2全为负，nums1全为正。

代码

核心代码

class Solution {
		public:
			int maxDotProduct(vector<int>& nums1, vector<int>& nums2) {
				const int N = nums1.size();
				const int M = nums2.size();
				const auto& m1 = minmax_element(nums1.begin(), nums1.end());
				const auto& m2 = minmax_element(nums2.begin(), nums2.end());
				if ((*m1.first > 0) && (*m2.second < 0)) {
					return *m1.first * *m2.second;
				}
				if ((*m2.first > 0) && (*m1.second < 0)) {
					return *m2.first * *m1.second;
				}
				vector<vector<int>> dp(N + 1, vector<int>(M + 1,-1000'000'000 ));
				dp[0].assign(M + 1, 0);
				for (int i = 1; i <= N; i++) {
					dp[i][0] = 0;
					for (int j = 1; j <= M; j++) {
						dp[i][j] = max(dp[i - 1][j - 1] + nums1[i - 1] * nums2[j - 1], dp[i - 1][j]);
						dp[i][j] = max(dp[i][j], dp[i][j - 1]);
					}
				}
				return dp.back().back();
			}
		};

单元测试

vector<int> nums1, nums2;
		TEST_METHOD(TestMethod1)
		{
			nums1 = { 2,1,-2,5 }, nums2 = { 3,0,-6 };
			auto res = Solution().maxDotProduct(nums1, nums2);
			AssertEx(18, res);
		}
		TEST_METHOD(TestMethod12)
		{
			nums1 = { 3,-2 }, nums2 = { 2,-6,7 };
			auto res = Solution().maxDotProduct(nums1, nums2);
			AssertEx(21, res);
		}
		TEST_METHOD(TestMethod13)
		{
			nums1 = { -1,-1 }, nums2 = { 1,1 };
			auto res = Solution().maxDotProduct(nums1, nums2);
			AssertEx(-1, res);
		}
		TEST_METHOD(TestMethod14)
		{
			nums1 = { 5,-4,-3 }, nums2 = { -4,-3,0,-4,2 };
			auto res = Solution().maxDotProduct(nums1, nums2);
			AssertEx(28, res);
		}

扩展阅读

我想对大家说的话
工作中遇到的问题，可以按类别查阅鄙人的算法文章，请点击《算法与数据汇总》。
学习算法：按章节学习《喜缺全书算法册》，大量的题目和测试用例，打包下载。重视操作
有效学习：明确的目标及时的反馈拉伸区（难度合适）专注
闻缺陷则喜(喜缺)是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛
失败+反思=成功成功+反思=成功