动态规划入门学习

求最长上升子序列的长度

思路:

dp数组的含义:dp[n]的代表以n结尾的最长子序列的长度。

很容易想到,对于每一个元素来说,只要取所有它之前的元素里比它小的元素的dp值中最大的+1,即可。

当然,还需要找出最大的那个。

其实,扫元素,dp,找元素,可以放在一个循环里。

状态转移方程:

dp[i]=max(dp[j]+1,dp[i])        //j<i

求最长公共子序列的长度

思路:

dp数组的含义:dp[m][n]的代表以字符串a的前m位和字符串b的前n位的最长公共子序列的长度。

不难想到去一一匹配,即,对每一个字符串a中的值,都在b中搜索一遍。

一旦发现相等,那么它的长度就是a中前一个字符和b中前一个字符最长公共子序列长度+1。

当然,如果不相等,那么这个值也不能空着,它是a中前一个值或者b中前一个值,两个里面最大值。

状态转移方程:

dp[i][j]=dp[i-1][j-1]+1;                //相等
dp[i][j]=max(dp[i-1][j],dp[i][j-1]);    //不相等

上升子序列最大和

思路:

dp数组的含义:dp[n]代表以n结尾的上升子序列最大和。

很显然,我们必须去将n元素位置之前所有的比n小的元素的dp值求出来,呢个最大的自然就是n的dp值。

当然,不一定最后一个就是满足条件的,我们需要去扫描一遍看看谁是大的。(其实可以放在一起操作)

状态转移方程:

dp[i] = max(dp[j]) + data[i], 1 <= j < i, 且data[j] < data[i]

猜你喜欢

转载自blog.csdn.net/gg9002/article/details/81484812