动态规划——子序列问题汇总

1.最大连续子序列和

问题定义

即求一个连续子序列，使的其和最大。例如对于序列{5,-3,4,2}来说，最大子序列为{5,-3,4,2}，和为8。对于序列{5,-6,4,2}，最大子序列为{4,2}，和为6。
因为是求 连续序列，所以我们以$S_i$ 表示问题状态，代表以$A_i$ 结尾的子序列的最大和，则我们有下列动态规划递推:

即若前 $i$ 项的和不小于0的时候，我们可以接着扩展；否则从第 $i$ 项开始另开一个新的子序列。同时，从 $S_i$ 中找最大值。

实现示例

int MSS1(int* num, int len) {
   
	// 每个前缀Ai对应的最大和存储在数组dp[i]中
	int* dp = new int[len];
	dp[0] = num[0];
	for (int i = 1; i < len; i++) {
   
		// 状态转移方程
		dp[i] = max(dp[i - 1] + num[i], num[i]);
	}
	int maxsum = dp[0];
	for(int i=1;i<len;i++){
   
		maxsum = maxsum > dp[i] ? maxsum : dp[i];
	}
	return maxsum;
}
int MSS2(int* num, int len) {
   
	int sum = num[0]; // 这里的sum就代替了dp[i]来求最大值
	int maxsum = num[0];
	for (int i = 1; i < len; i++) {
   
		if (sum >= 0) sum += num[i];
		else sum = num[i];
		if (sum > maxsum) maxsum = sum;
	}
	return maxsum;
}

---

2.最长递增子序列

问题定义

最长递增子序列（Longest Increasing Subsequence，简写 LIS），给定一个序列 L = { A 1 , A 2 , . . . , A n } L=\{A_{1},A_{2},...,A_{n}\} L={ A1​,A2​,...,An​}我们需要找到一个子序列 L i n = { A k 1 A k 2 . . . A k m } L_{in} = \{ A_{k1}A_{k2}...A_{km}\} Lin​={ Ak1​Ak2​...Akm​}，使得 $k_1<k_2<...<k_m$ 且 $A_{k1}<A_{k2}<...<A_{km}$，即求解 最长上升子序列。
同样的，我们以 $L_i$ 表示以 $A_i$ 结尾的子序列的最长长度，则有递推式：

即，对于 $A_i$ 我们将其尽可能的接到以$A_j$结尾的子序列上，然后求最长长度。注意每个元素在刚开始自成一个上升子序列，即初始化L[i] = 1。

实现示例

int LIS(int* num, int len) {
   
	// 复杂度O(n^2)
	int* dp = new int[len];
	dp[0] = 1;
	for (int i = 1; i < len; i++) {
   
		dp[i] = 1;  // 初始化为1
		for (int j = 0; j < i; j++) {
   
			if (num[j] < num[i]) {
   
				dp[i] = max(dp[i], dp[j] + 1);
			}
		}
	}
	int maxlen = dp[0];
	for (int i = 1; i < len; i++) {
   
		maxlen = maxlen > dp[i] ? maxlen : dp[i];
	}
	delete[] dp;
	return maxlen;
}

---

---

3.最长公共子序列

问题定义：

假设有两个序列 A n = { a 0 a 1 a 2 . . . a n − 1 } A_{n} = \{ a_{0}a_{1}a_{2}...a_{n-1}\} An​={ a0​a1​a2​...an−1​} 和 B m = { b 0 b 1 b 2 . . . b m − 1 } B_{m} = \{b_{0}b_{1}b_{2}...b_{m-1}\} Bm​={ b0​b1​b2​...bm−1​}则我们定义一个公共子序列(非连续) $$Z^{}$$