算法与数据结构 - 动态规划

动态规划(DP)的基本思想是：当前子问题的解可由上一子问题的解得出。

动态规划算法通常基于由一个递推公式（状态转移方程）和若干个初始状态（状态）。

应用

1、LIS(Longest Increasing Subsequence)：求一个数组中的最长非降子序列的长度。

子问题

我们可以考虑先求A[0]、A[1]、A[2] ... A[i]的最长非降子序列长度，这个LIS的一个子问题。

接着，我们可以已定义d[i]来表示前i个数中以A[i]结尾的最长非降子序列长度。

当我们求出d[1]~d[n]，那么其中最大的数就是所求。

i与i-1的关系

假设已经得到了d[1]~d[i-1]，那么d[i]就是前i-1个数中小于等于A[i]的那些数对应的最长非降子序列长度

的最大值。

Code

public class LIS {

    public int lis(int[] array) {
	// 前i个数的最长非降子序列长度集合
	int[] d = new int[array.length];
	int result = 0;
	d[0] = 1; // 初始状态
	// 从第二个数开始遍历
	for (int i = 1; i < array.length; i++) {
    	    d[i] = 1; // 默认值
	    for (int j = 0; j < i; j++) {
		// 以array[i]结尾的最长非降子序列长度
		if (array[j] <= array[i] && d[j] + 1 > d[i])
		    d[i] = d[j] + 1;
		}
	    }
	    // 找出最大长度
	    for (int k = 0; k < array.length; k++) {
		if (d[k] > result)
		result = d[k];
	    }
	return result;
    }

    public static void main(String[] args) {
	int[] array = { 5, 3, 4, 8, 6, 7 };
	System.out.println("最长非降子序列的长度为" + new LIS().lis(array) + "。");
    }

}