我们来看例题:
题目没什么好说的,分析一下复杂度,A的子序列是2^n 次方个,2^1000
太大了,不行,所以这题就是考dp的。
我们来理解一下线性动态规划的过程,首先他有一个数组,可以是一维的,用动态规划里面一种叫自我滚动的方式优化,另一种是2维的,如果用交替滚动的方式优化,那么这个二维数组,就只有两行,鉴于交替滚动的简单理解和优秀性能,本题采用这个方法。
先上代码:
n, m = map(int, input().split())
a = [0] + [int(x) for x in input().split()]
b = [0] + [int(x) for x in input().split()]
dp = [[0] * (m + 1) for _ in range(2)]
now, old = 0, 1
for i in range(1, n + 1):
now, old = old, now#初始时now是1,old是0
for j in range(1, m + 1):#和i基本没关系,就比个数,都是j的故事
dp[now][j] = max(dp[now][j - 1], dp[old][j])
if a[i] == b[j]: dp[now][j] = max(dp[now][j], dp[old][j - 1] + 1)#这句话这里的加一是全场唯一计算的地方
print(dp[now][m])
这个代码看着挺短的航,但是吧,这个算法很巧妙,这种又短又巧妙的东西,用起来很爽,但是理解起来就难了。
我感觉动态规划必须要通过大量的实例演练来学习,下面我给大家来进行实例演练:
实例演练:
这是刚开始,我们进行代码可视化:
可视化代码:
n, m = map(int, input().split())
a = [0] + [int(x) for x in input().split()]
b = [0] + [int(x) for x in input().split()]
dp = [[0] * (m + 1) for _ in range(2)]
now, old = 0, 1
for i in range(1, n + 1):
now, old = old, now#初始时now是1,old是0
print("start")
for j in range(1, m + 1):#和i基本没关系,就比个数,都是j的故事
dp[now][j] = max(dp[now][j - 1], dp[old][j])
print("{0}\n{1}".format(dp[0],dp[1]),"old:",old,"now:",now)
if a[i] == b[j]: dp[now][j] = max(dp[now][j], dp[old][j - 1] + 1)#这句话这里的加一是全场唯一计算的地方
print("ans:",dp[now][m])
来看看第一回合:
这是第二回合:
剩下的同学们自己去试吧。
我感觉你本来不懂动态规划,把上边的输出全部看懂,就懂了,我这里表达一下我对算法的看法航,首先,这个算法我们是不太可能想出来的,我们得学,这是不知道哪个科学家试验几千次总结出来的东西,我们必须学了才能写出来,第二,我感觉,算法不是靠人教会的,是靠自己试会的,无论是试样例,还是试算法里的某个语句,你每试一次都强迫自己思考了一遍。
本题就结束了,如果感觉有点收获的话,可以给我点个赞,谢谢啦。