【蓝桥杯】动态规划，线性dp,python-最长公共子序列

 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。