动态规划解决LeetCode 1458：两个子序列的最大点积问题

1. 问题背景与理解

LeetCode 1458题"两个子序列的最大点积"是一个典型的动态规划问题。题目给定两个数组nums1和nums2，要求找到它们各自的一个非空子序列，使得这两个子序列的点积最大。子序列的定义是保持相对顺序但不要求连续的序列。

我第一次看到这个问题时，直觉告诉我这应该用动态规划来解决，因为：

1. 问题可以分解为子问题
2. 需要做出选择（是否包含当前元素）
3. 有重叠子问题的特性

2. 动态规划解法解析

2.1 状态定义

定义dp[i][j]为nums1前i个元素和nums2前j个元素能形成的最大点积。这里i和j分别表示考虑nums1的前i个元素和nums2的前j个元素。

2.2 状态转移方程

状态转移需要考虑四种情况：

1. 只选nums1[i]和nums2[j]的乘积
2. 在之前结果基础上加上nums1[i]和nums2[j]的乘积
3. 不考虑nums1[i]
4. 不考虑nums2[j]

因此状态转移方程为：
dp[i][j] = max(
nums1[i-1] * nums2[j-1], // 情况1
dp[i-1][j-1] + nums1[i-1] * nums2[j-1], // 情况2
dp[i-1][j], // 情况3
dp[i][j-1] // 情况4
)

2.3 初始化

dp[0][0] = 0，表示两个空子序列的点积为0。其他边界情况：

• dp[i][0] = -∞ (i>0)
• dp[0][j] = -∞ (j>0)

3. 代码实现与优化

3.1 基础实现

python复制def maxDotProduct(nums1, nums2):
    m, n = len(nums1), len(nums2)
    dp = [[-float('inf')] * (n+1) for _ in range(m+1)]
    
    for i in range(1, m+1):
        for j in range(1, n+1):
            product = nums1[i-1] * nums2[j-1]
            dp[i][j] = max(
                product,
                dp[i-1][j-1] + product,
                dp[i-1][j],
                dp[i][j-1]
            )
    
    return dp[m][n]

3.2 空间优化

可以优化空间复杂度到O(n)：

python复制def maxDotProduct(nums1, nums2):
    m, n = len(nums1), len(nums2)
    prev = [ -float('inf') ] * (n+1)
    
    for i in range(1, m+1):
        curr = [ -float('inf') ] * (n+1)
        for j in range(1, n+1):
            product = nums1[i-1] * nums2[j-1]
            curr[j] = max(
                product,
                prev[j-1] + product,
                prev[j],
                curr[j-1]
            )
        prev = curr
    
    return prev[n]

4. 复杂度分析

时间复杂度：O(mn)，需要填充m×n的DP表
空间复杂度：基础实现O(mn)，优化后O(n)

5. 边界情况与测试用例

5.1 典型测试用例

python复制# 示例1
nums1 = [2,1,-2,5]
nums2 = [3,0,-6]
# 输出: 18 (取子序列[2,-2]和[3,-6])

# 示例2
nums1 = [3,-2]
nums2 = [2,-6,7]
# 输出: 21 (取子序列[3]和[7])

5.2 特殊边界情况

1. 所有元素都是正数
2. 所有元素都是负数
3. 一个数组全正，一个全负
4. 数组长度为1的情况

6. 常见错误与调试技巧

6.1 常见错误

1. 初始化错误：忘记处理边界条件
2. 索引错误：混淆nums和dp的索引
3. 状态转移遗漏：忘记考虑所有可能情况

6.2 调试技巧

1. 打印DP表：可视化中间结果
2. 小规模测试：先用小数组验证
3. 边界测试：专门测试空数组、单元素数组等情况

7. 算法扩展与变种

1. 限制子序列长度：要求子序列长度相同
2. 多个数组的最大点积：扩展到三个或更多数组
3. 带权重点积：元素乘积乘以权重系数

8. 实际应用场景

这种类型的动态规划问题在以下场景有应用：

1. 生物信息学中的序列比对
2. 自然语言处理中的相似度计算
3. 金融时间序列分析

9. 个人解题心得

1. 先明确子序列的定义，与子数组区分开
2. 画DP表有助于理解状态转移
3. 从简单例子入手，逐步构建解法
4. 注意负数情况对最大值的影响

在解决这个问题时，我最初忽略了负数相乘可能得到更大正数的情况，导致几次提交失败。后来通过添加所有可能的状态转移情况解决了这个问题。这也提醒我，在动态规划问题中，考虑所有可能的选择非常重要。