动态规划学习记录，深度解析。-CSDN博客

#include<bits/stdc++.h>
using namespace std;
int nums[]={1,6,3,5,4};
int n=5;
int mm(int m)//求当前数的最大子序列长度的函数
{
	if(m==n-1)//到达最后子序列只有一
	{
		return 1;
	}
	int max_m=1;//最大子序列长度；
	for(int j=m+1;j<n;j++)
	{
		if(nums[j]>nums[m])
		{
			max_m=max(max_m,mm(j)+1);
		}
	}
	return max_m;
}
int main(){
	int mmm=0;
	for(int i=0;i<n;i++)
	{
		mmm=max(mmm,mm(i));
	}
	cout<<mmm;
}

总结

这分代码的时间度可以发现非常大假设数组长度为n那么一共有2的n次方给子序列，而每一个子序列我们都需要去遍历一次。时间复杂度为o(n*2^n)非常大。

思路二

那是不是又什么办法进行优化，观察模拟过程

我们可以发现在我们在遍历1 3 4的时候就已经计算处理4的最大子序列长度，后面1 4的时候又进行了一次计算。可以发现我们进行大量的重复计算。那么应该如何处理。这里就用到了空间换时间的思想，我只需要开一共空间(mapp)记录已经计算过的答案，那么在遇到的时候直接进行调用就可以了，这也是动态规划的一般思路。

代码

#include<bits/stdc++.h>
using namespace std;
int nums[]={1,6,3,5,4};
int n=5;
int mapp[5]={0};
int mm(int m)//求当前数的最大子序列长度的函数
{
	if(m==n-1)//到达最后子序列只有一
	{
		return 1;
	}
    if(mapp[m]!=0)
    {
        return mapp[m];
    }
	int max_m=1;//最大子序列长度；
	for(int j=m+1;j<n;j++)
	{
		if(nums[j]>nums[m])
		{
			max_m=max(max_m,mm(j)+1);
		}
	}
mapp[m]=max_m;
	return max_m;
}
int main(){
	int mmm=0;
	for(int i=0;i<n;i++)
	{
		mmm=max(mmm,mm(i));
	}
	cout<<mmm;
}

可以发现运行时间大大降低。

总结

通过将已经算出的答案进行记录，后面遇到了直接调用。

思路三

那么在尝试了递归，我们也可以尝试非递归。

从前面的介绍知道我们要计算从一开始的最长子序列递增长度，需要依次检查后面的所有数

的最长子序列递增长度可以得到 1 的最长子序列递增长度=max(后面的数的子序列递增长度）+1，检查从6开始的最长子序列递增长度需要依次计算后面的所有数.那我们可以得到。

最后一共长度为1；

可以发现我们只需要从后往前依次的计算，就能把所有答案推算出来

代码

#include<bits/stdc++.h>
using namespace std;
int main(){
	int l[5]={1,1,1,1,1};
	int nums[]={1,6,3,5,4};
	for(int i=4;i>=0;i--)//从下往上计算 
	{
		for(int j=i+1;j<=4;j++)//计算后面的数 
		{
			if(nums[j]>nums[i])
			{
				l[i]=max(l[i],l[j]+1);
			}
		}
		 
	}
	cout<<max(l);//输出l中最大的即可 
}

这里举例了简单的案例，方便自己跟着模拟。