动态规划主要用于两种问题:
1、求最优解
2、求方案数
动态规划的步骤:
1、判断是否具有最优子结构(子问题的每一步与最终问题的每一步相同步),如果不满足的话不能用动态规划。
2、把问题分成若干个子问题(分阶段讨论)
3、建立状态转移方程(一个递推公式)
4、找出边界(直接可以得到结果的点,类似递归出口吧)
5、将已知边界值带入
6、递归求解
吃金币游戏
小明写了一个简单的吃金币游戏,规则如下:
在一个长方形地图上,玩家每次能从一个方格走到相邻一个方格。
玩家控制的角色可以向下或者向右走,但不能向上或向左走。每个方格上都有一定的金币。
现在,小明想请你帮他想一个策略,尽可能多的获得金币(从左上角走到右下角可能获得的最大金币数)。
用数组dp[a][b]来表示到达点(a,b)时所能吃到的最大金币数量
易得递归关系式dp[a][b]=max(dp[a-1][b],dp[a][b-1])+c[a][b]
#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <cstdlib>
using namespace std;
typedef long long ll;
int main()
{
int dp[101][101],c,m,n;
int i,j;
cin>>m>>n;
for(i=1;i<=m;i++)
for(j=1;j<=n;j++)
{
cin>>c;
dp[i][j]=max(dp[i][j-1],dp[i-1][j])+c;//只有两个方向,要么向下,要么向右
}
cout<<dp[m][n];
return 0;
}
最长上升子序列
一个数的序列bi,当b1 < b2 < … < bS 的时候,我们称这个序列是上升的。对于给定的一个序列(a1, a2, …, aN),我们可以得到一些上升的子序列(ai1, ai2, …, aiK),这里1 <= i1 < i2 < … <iK <= N。
比如,对于序列(1, 7, 3, 5, 9, 4, 8),有它的一些上升子序列,如(1, 7), (3, 4, 8)等等。这些子序列中最长的长度是4,比如子序列(1, 3, 5, 8).
你的任务,就是对于给定的序列,求出最长上升子序列的长度。
输入数据
输入的第一行是序列的长度N (1 <= N <= 1000)。第二行给出序列中的N 个整数,这些整数的取值范围都在0 到10000。
输出要求
最长上升子序列的长度。
输入样例
7
1 7 3 5 9 4 8
输出样例
4
思路:可以考虑以序列中的每一个数作为上升子序列的末位数,以数组dp的下标k作为末尾数,dp[k]作为该序列的长度,另设数组maxx[k]表示以a[k]作为终点的最长上升子序列的长度。
#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <cstdlib>
using namespace std;
typedef long long ll;
int main()
{
int n,i,j,temp,ans=-1;
int a[1001],maxx[1001];
cin>>n;
for(i=1; i<=n; i++)
cin>>a[i];
maxx[1]=1;//第一个作末尾必然长度为1
for(i=2; i<=n; i++)
{
temp=0;//记录第i个数的最大子序列长度
for(j=1; j<i; j++)
{
if(a[i]>a[j])//如果为上升的序列
{
if(temp<maxx[j])
temp=maxx[j];
}
}
maxx[i]=temp+1;//最大上升的序列加上末尾数字a[i]组成的新的最大上升子序列
}
for(i=1;i<=n;i++)
if(maxx[i]>ans)
ans=maxx[i];
cout<<ans;
return 0;
}