动态规划:把问题划分成子问题递归求解,并且保留中间结果以避免重复计算子问题的方法,叫动态规划。(eg: 三角形路径数字之和)
关键思想:
1, 划分成若干子问题
2, 子问题的状态,及若干状态值;状态的表述。
3, 子状态之间的转换(即递归求解,子状态到上一级子状态之间的变换关系),即如何从一个或多个值已知的状态,求出另一个状态的值。
首先要学会分析问题,划分成小问题,然后找到最基本最原始,状态值已知(或一目了然)的问题。再向上递推可求解!求得原问题的解。
形式是按递归思想,但是保存了子问题的中间结果,避免了许多的重复计算。时间复杂度小。跟状态空间大小一致。如果需要K个整形变量来描述一个状态,且范围为N1,N2…Nk.则可设状态为a[N1][N2]..[Nk]。
最关键的是要找到最基本最初始的问题(一目了然知道解得问题)。比如菲波纳数列,f(n)=f(n-1)+f(n-2); 而最基本最初始的状态为f(0)=f(1)=1;当然这个完全可以不用递归求解。能用递归求解的都可以用非递归求解,不过相对复杂没那么好理解而已。
eg:
问题描述
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。
解略