1. 最长公共子序列
假设 X 和 Y 的序列如下:
X[1...m] = {A, B, C, B, D, A, B}
Y[1...n] = {B, D, C, A, B, A}
可以看出,X 和 Y 的最长公共子序列有 “BDAB”、“BCAB”、“BCBA”,即长度为4。
思路 : 动态规划
下面是用动态规划(打表)解决LCS问题:
// 动态规划求解LCS问题
#include <iostream>
#include <string>
#include <vector>
#include <algorithm>
using namespace std;
/**
* 返回X[0...m-1]和Y[0...n-1]的LCS的长度
*/
int lcs(string &X, string &Y, int m, int n)
{
// 动态规划表,大小(m+1)*(n+1)
vector<vector<int>> table(m+1,vector<int>(n+1));
for(int i=0; i<m+1; ++i)
{
for(int j=0; j<n+1; ++j)
{
// 第一行和第一列置0
if (i == 0 || j == 0)
table[i][j] = 0;
else if(X[i-1] == Y[j-1])
table[i][j] = table[i-1][j-1] + 1;
else
table[i][j] = max(table[i-1][j], table[i][j-1]);
}
}
return table[m][n];
}
int main()
{
string X = "ABCBDAB";
string Y = "BDCABA";
cout << "The length of LCS is " << lcs(X, Y, X.length(), Y.length());
cout << endl;
getchar();
return 0;
}
2. 连续子数组最大和
数组分析:下图是我们计算数组(1,-2,3,10,-4,7,2,-5)中子数组的最大和的过程。通过分析我们发现,累加的子数组和,如果大于零,那么我们继续累加就行;否则,则需要剔除原来的累加和重新开始。
过程如下:
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.empty()){
return 0;
}
// 初始化变量,maxSum为最大和,curSum为当前和
int maxSum = array[0];
int curSum = array[0];
// 遍历所有元素
for(int i = 1; i < array.size(); i++){
// 如果当前和小于等于0,说明之前的是负数,则抛弃前面的和,重新计算
if(curSum <= 0){
curSum = array[i];
}
// 如果没有问题,直接累加
else{
curSum += array[i];
}
// 更新最大和
if(curSum > maxSum){
maxSum = curSum;
}
}
return maxSum;
}
};
3. 最长递增子序列
对每一个 i,遍历 j(0 到 i-1):
- 若
A[i] <= A[j]
,置 1。 - 若
A[i] > A[j]
,取第 j 行的最大值加 1。
4. 最大递增子序列和
5 | 1 | 3 | 4 | 9 | 7 | 6 | 8 | ||
dp[0] | 5 | ||||||||
dp[1] | 5 | 1 | |||||||
dp[2] | 5 | 1 | 4 | ||||||
dp[3] | 5 | 1 | 4 | 8 | 从1、4中选最大的+4 | ||||
dp[4] | 5 | 1 | 4 | 8 | 17 | 从5、1、4、8中选最大的+9 | |||
dp[5] | 5 | 1 | 4 | 8 | 17 | 15 | 从5、1、4、8中选最大的+7 | ||
dp[6] | 5 | 1 | 4 | 8 | 17 | 15 | 14 | 从5、1、4、8中选最大的+6 | |
dp[7] | 5 | 1 | 4 | 8 | 17 | 15 | 14 | 23 | 从5、1、4、8、15、16中选最大的+8 |
对每一个 i,遍历 j(0 到 i-1):
- 若
A[i] <= A[j]
,置 A[i]。 - 若
A[i] > A[j]
,取第 j 行满足A[i] > A[j]
的最大值加 A[i]。
#include <iostream>
#include <vector>
#include <string>
#include <algorithm>
using namespace std;
//最长上升子序列
int main()
{
string str;
getline(cin, str);
vector<int> num;
for (int i = 0; i < str.size(); ++i)
{
if (str[i] != ' ')
num.push_back(str[i] - '0');
}
int len = num.size();
//最长上升子序列
vector<int> dp(len, 0);
for (int i = 0; i < len; ++i)
{
int max_temp = 0;
for (int j = 0; j < i; ++j)
{
if (num[j] < num[i])
max_temp = max(max_temp, dp[j]);
}
dp[i] = max_temp + 1;
}
//最大上升子序列和
//vector<int> dp(len, 0);
dp[0] = num[0]; //很重要,5 1 3时最大是5,不加这一句最大就是1 3 = 4
//for (int i = 0; i < len; ++i) //i从0开始
//{
// int max_temp = 0;
// for (int j = 0; j < i; ++j)
// {
// if (num[j] < num[i])
// max_temp = max(max_temp, dp[j]); //在满足num[j] < num[i]的基础上,
// //去找dp[j]中最大的存在max_temp中
// }
// dp[i] = max_temp + num[i];
//}
int max_res = 0;
for (int i = 0; i < len; ++i)
max_res = max(max_res, dp[i]);
cout << max_res << endl;
for (auto i : dp)
cout << i;
system("pause");
return 0;
}
miking time
描述
贝茜是一个勤劳的牛。事实上,她是那么专注于最大限度地提高了她的效率,她决定安排她的下ñ(1≤ ñ ≤1,000,000)小时(方便标记为0 .. ñ -1),使她产生尽可能多的牛奶越好。
农夫约翰的名单中号(1≤ 中号 ≤1000)可能是重叠的时间间隔,他可以挤奶其中。每个间隔我具有起动小时(0≤ starting_hour 我 ≤ Ñ),结束小时(starting_hour 我 < ending_hour 我 ≤ Ñ),以及相应的效率(1≤ 效率我其指示的牛奶多少加仑≤1,000,000),他在那段时间里可以离开贝西。Farmer John分别在开始时间和结束时间开始时开始和停止挤奶。在挤奶时,Bessie必须在整个间隔内挤奶。
尽管贝茜有她的局限性。任何间隔期间挤奶后,她必须休息- [R(1≤ [R ≤ Ñ)小时之前,她可以重新开始挤奶。鉴于Farmer Johns的间隔清单,确定Bessie在N小时内可以产生的最大牛奶量。
输入
*第1行:三个以空格分隔的整数:N,M和R
*第2行...... M +1:第i + 1行描述FJ的第i个挤奶间隔,其中包含三个以空格分隔的整数:starting_hour i,ending_hour i和效率i
产量
*第1行:Bessie在N小时内可以产生的最大加仑牛奶数
样本输入
12 4 2
1 2 8
10 12 19
3 6 24
7 10 31
样本输出
43
#include <iostream>
#include <vector>
#include <string>
#include <algorithm>
using namespace std;
struct Nodes
{
int left;
int right;
int value;
}node[1001];
int cmp(Nodes a, Nodes b)
{
return a.left < b.left;
}
int main()
{
int sum, n, r;
cin >> sum >> n >> r;
for (int i = 0; i < n; ++i)
cin >> node[i].left >> node[i].right >> node[i].value;
sort(node, node + n, cmp);
vector<int> dp(n, 0);
for (int i = 0; i < n; ++i)
{
int max_temp = 0;
for (int j = 0; j < i; ++j)
{
if (node[j].right + r <= node[i].left)
max_temp = max(max_temp, dp[j]);
}
dp[i] = max_temp + node[i].value;
}
cout << *max_element(dp.begin(), dp.end());
system("pause");
return 0;
}