基本算法：动态规划

一、动态规划特点

1.问题具有最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质。
2.无后效性。当前的若干个状态值一旦确定，则此后过程的演变就只和这若千个状态的值有关，和之前是采取哪种手段或经过哪条路径演变到当前的这若千个状态，没有关系。

二、经典例题

1.最长上升子序列

问题描述

一个数的序列ai，当a1< a2<......<as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)，我们以得到一些上升的子序列(ai1,ai2,...,aik),这里1<=i1<=i2<...<iK<=N。比如，d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)第一行给出序列中的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
1735948

输出样例

4

代码段

#include<bits/stdc++.h>
using namespace std;
const int MAX=1010;
int a[MAX];
int maxLen[MAX];
//以任一元素为最终元素的子序列长度，初值为1 
int main(){
	int N;
	cin>>N;
	for(int i=1;i<=N;++i){
		cin>>a[i];
		maxLen[i]=1;
	}
	for(int i=2;i<=N;++i){
		//每次求以第i个数为终点的最长子序列的长度 
		for(int j=1;j<i;++j){
			//观察以第j个数为终点的最长上升子序列 
			if(a[i]>a[j]) maxLen[i]=max(maxLen[i],maxLen[j]+1);
		}
		
	}
	cout<<*max_element(maxLen+1,maxLen+N+1);
	return 0;	
}

2.最长公共子序列

问题描述

给出两个字符串，求出这样的一个最长的公共子序列的长度:子序列中的每个字符都能在两个原串中找到而且每个字符的先后顺序和原串中的先后顺序一致。

#include <iostream>
#include<bits/stdc++.h>
using namespace std;
char sz1[1000];
char sz2[1000];
int maxLen[1000][1000]; 
int main()
{
	while(cin>>sz1>>sz2){
		int length1=strlen(sz1);
		int length2=strlen(sz2);
		int nTmp;
		int i,j;
		//设置边界条件 
		for(i=0;i<=length1;i++) maxLen[i][0]=0;
		for(j=0;j<length2;j++) maxLen[0][j]=0;
	}
	//已知推未知
	for(i=1;i<=length1;i++){
		for(j=1;j<=length2;j++){
			//若字符相等，公共长度加一 
			if(sz1[i-1]==sz2[j-1]) maxLen[i-1][j-1]+1;
			//若字符不相等，公共长度不大于 maxLen[i][j-1]和maxLen[i-1][j]
			else maxLen[i][j]=max(maxLen[i][j-1],maxLen[i-1][j]);
		}
	} 
	cout<<maxLen[length1][length2]<<endl;
  return 0;
}