区间型动态规划解题模板

最长回文子序列

最长回文子序列（点我快速访问）
定义$LPS$: 最长回文子序列

题目大意

给你一个字符串$s$，找出其中最长的回文子序列，并返回该序列的长度。
子序列定义为：不改变剩余字符顺序的情况下，删除某些字符或者不删除任何字符形成的一个序列。
例如：$bbbab$ 的$LPS$为$bbbb$

思考方向

首先观察到字符串长度最长为1000所以不可能枚举所有的子序列~~(时间爆炸)~~ ，然而又要求最长长度，所以想到可能要动态规划。

如何定义子问题及考虑状态转移？

1. 分两种情况：
   1. 如果我当前字母为$c$且在前缀中也有一个字母$c$，如果我能够找到前缀中那个$c$之后的那个区间的$LPS$的，那么我这个区间的$LPS$就可以变成$LPS‘=c+LPS+c$，长度也自然变成$len(LPS)+2$。
   2. 否则，就把$i或j$位置对应的字母去掉，取剩下的区间中的长度更大者即可。
2. 考虑使用区间型DP,$dp[i][j]$表示以$[i,j]$区间的$LPS$的长度。
3. 考虑状态转移:

$$dp[i][j]=\{\begin{array}{llc}dp[i+1][j-1]+2,& s[i]==s[j]& (把字母c添加到开头和结尾)\\ max(dp[i+1][j],dp[i][j-1],& otherwise& (把i或j对应位置的字母去掉)\end{array}$$

4. 最终的答案为$dp[0][n-1]$

时空复杂度

1. 对于每个状态的转移只需要一个基本操作，也就是$O(1)$的，会有$n^2$级别状态转移所以总的时间复杂度为$O(n^2)$。
2. 显然我们需要定义一个二维数组$dp$，这是大头，所以空间复杂度也为$O(n^2)$。

int longestPalindromeSubseq(string s) {
    int n = s.length();
    vector<vector<int>> dp(n, vector<int>(n));
    // 长度为1的区间，也就是只有一个字母。
    for (int i = 0; i < n; i++) dp[i][i] = 1;
    // 枚举区间长度
    for (int l = 2; l <= n; l++) {
        // 计算起点和终点
        for (int i = 0, j = i + l - 1; j < n; i++, j++) {
            if (s[i] == s[j]) dp[i][j] = dp[i + 1][j - 1] + 2;
            else dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
        }
    }
    return dp[0][n - 1];
}

总结

思考围绕着：考虑最后一步能否利用到已经假设解决掉的小区间的问题。
区间型动态规划解题三步走：

• 枚举区间长度$l$。
• 枚举左端点$i$,计算右端点$j=i+l-1$。
• 状态转移。