第十八天：动态规划之线性规划问题

今天是释然发题解的第十八天，以后每一天都会和大家分享学习路上的心得，希望和大家一起进步，一起享受coding的乐趣。
本文约1400字，预计阅读5分钟
昨天我们学习了动态规划之背包型规划，忘记的小伙伴们可以看一下哦：

背包型

今天我们来聊一聊动态规划的线性规划，明天和大家分享动态规划的相关题目：

例题一：最长公共子序列问题

这道题目呢，在一开始没有学习动态规划之前呢，是一个头疼的问题
但是学习了以后呢，将步骤分解，考虑每一层递推的情况之后，这道题就迎刃而解了：
那么我们依然是三步走：
第一步：dp数组的含义：指的是第一个序列长度为i时，第二个序列长度为j时，
这两段公共子序列的长度
第二步：找递推关系
如果a【i】==b【j】的话呢，dp【i+1】【j+1】=dp【i】【j】+1呀
对于不相等的情况，就应该覆盖之前的最大值即：dp【i+1】【j+1】=max（dp[i+1][j],dp[i][j+1]）
第三步：
初始化：当任意一个序列时0时，dp数组就应该是0.最后输出dp[i][j]就可以啦！

int n, m;
char s1[MAX_N + 1], s2[MAX_N + 1];
void solve()
{
    for (int i = 0; i < n; i++)
    {
        for (int j = 0; j < m; j++)
        {
            if (s1[i] == s2[j])
            {
                dp[i + 1][j + 1] = dp[i][j] + 1;
            }
            else
            {
               dp[i + 1][j + 1] = max(dp[i + 1][j],dp[i][j + 1]);
            }
        }
    }
    cout << dp[n][m];
}

例题二：最长上升子序列问题

int n;
int a[MAX_N];
int dp[MAX_N];

void solve()
{
    int ans = 0;
    for (int i = 0; i < n; i++)
    {
        dp[i] = 1;
        for (int j = 0; j < i; j++)
        {
            if (a[j] < a[i])
            {
                dp[i] = max(do[i], dp[j] + 1);
            }
        }
        ans = max(ans, dp[i]);
    }
    cout << ans;
}

例题三：导弹拦截

很容易想到贪心法：那就是采取多次求最长不上升序列的办法，然后得出总次数。
上述贪心法不正确，很容易就能举出反例。
例如： “7 5 4 1 6 3 2”
用多次求最长不上升序列所有为
“7 5 4 3 2”、“1”、“6”共3套系统；
但其实只要2套，分别为：
“7 5 4 1”与“6 3 2”。
那么，正确的做法又是什么呢？
找最长不上升子序列，得到的序列个数就是答案

for(i=1;i<=n;i++)  
    dps[i]=1;  
    for(i=1;i<=n;i++)  
    {  
        for(int j=1;j<i;j++)  
             if(num[i]>num[j])  
                 dps[i]=max(dps[i],dps[j]+1); 
        ans=max(ans,dp[i]; 
   }

好了，今天的动态规划就到这里。
释然每天发布一点自己学习的知识，希望2年后我们也能在ACM的赛场上见面，一起去追寻自己的程序猿之路吧！

后期也会和大家一起分享学习心得和学习经验呢，明天我们不见不散哦！

下期预告：

动态规划之区间型动态规划

如果大家有什么建议或者要求请后台留言，释然也想和大家一起进步呀！
联系方式：shirandexiaowo@foxmail.com