机试基本算法笔记--动规

动规经典问题

1.递推求解

• 斐波那契数列$F(n)=F(n-1)+F(n-2)(n>2);F(1)=F(2)=1$
• 台阶公式$F(n)=F(n+1)+F(n+2)(n>2);F(1)=1;F(2)=2$
• 排错公式$F(n)=(n-1)F(n-1)+(n-2)F(n-2)(n>2);F(1)=0;F(1)=1$

补充：

$N$阶楼梯上楼问题：每次上楼可以上一阶楼梯或两阶楼梯，$N$阶楼梯可以有多少种方式？
首先$F(1)=1$，$F(2)=2$是可以直接得到的，那么当$n$大于$2$时，我考虑每种上台阶方式的最后一步，由于只有两种行走方法，因此它只可能是从$n-1$阶经过一步走到$n$阶，或者从$n-2$阶经过两步走到$n$阶。因此$F(n)=F(n-1)+F(n-2)$。

排错问题：$n$个信封，问如果所有的信都装错信封，一共有多少种装错方式？
假设有$n$封信，第一封信可放在($2$~$n$)的任一个信封里，共$n-1$种放法，设第一封信放在了第$k$个信封里，若此时第$k$封信放在了第$1$个信封里，则只要将剩下的$n-2$错排，即$F(n-2)$，若第$k$封信没有放在了第$1$个信封里，可将第$1$封信的位置看成是“第$k$个位置”，即将$n-1$封信错排，即为$F(n-1)$，因此$F(n)=(n-1)F(n-1)+(n-2)F(n-2)(n>2);F(1)=0;F(1)=1$。

2.最长递增子序列

已知序列 { a 1 , a 2 , . . . , a n } \{a_{1},a_{2},...,a_{n}\} {a1​,a2​,...,an​}中，取出若干数组成新的序列 { a i 1 , a i 2 , . . . , a i m } \{a_{i1},a_{i2},...,a_{im}\} {ai1​,ai2​,...,aim​}，其中下标$i1$,$i2$,…,$im$保持递增，即新数列中各个数之间依旧保持原数列中的先后顺序，那么称 { a i 1 , a i 2 , . . . , a i m } \{a_{i1},a_{i2},...,a_{im}\} {ai1​,ai2​,...,aim​}为原序列的一个子序列，如果在子序列中，当下标$ix>iy$且$a_{ix}>a_{iy}$，那么称这个子序列为原序列的一个递增子序列。

设$F(i)$表示序列中以$a_i$为末元素的最长递增子序列的长度。则有如下的递推方程：

这个递推方程的意思是，在求以$a_i$为末元素的最长递增子序列时，找$a_j$，$j<i$且$a_j<a_i$。如果这样的元素存在，那么对所有$a_j$,都有一个以$a_j$为末元素的最长递增子序列的长度$F(j)$，把其中最大的$F(j)$选出来，那么$F(i)$就等于最大的$F(j)$加上$1$，即以$a_i$为末元素的最长递增子序列，等于以使$F(j)$最大的那个$a_j$为末元素的递增子序列最末再加上$a_i$；如果这样的元素不存在，那么$a_i$自身构成一个长度为$1$的以$a_i$为末元素的递增子序列。

for(int i=0;i<n;i++)
{
	int imax=1;
	for(int j=0;j<i;j++)
	{
		if(a[j]<a[i])
			imax = max(imax,f(j)+1)
	}
	f[i]=imax;
}

3.最长公共子序列（LCS）

有两个字符串$S_1{S}_2$，求第三个字符串$S_3$，它同时为$S_1{S}_2$的子串，且要求它的长度最长。我们用$dp[i][j]$来表示$S_1$中前$i$个字符与$S_2$中前$j$个字符的最长公共子串的长度。

当$S_1[i]=S_2[j]$，$dp[i][j]=dp[i-1][j-1]+1$；
当$S_1[i]!=S_2[j]$，$dp[i][j]$为$S_1$中前$i-1$个字符与$S_2$中前$j$个字符的最长公共子串 和 $S_1$中前$i$个字符与$S_2$中前$j-1$个字符的最长公共子串 的较大值。
显然，当$i=0$或$j=0$时，即$dp[0][j]=0$，$dp[i][0]=0$。

那么$dp[i][j]$的地推公式：

$dp[i][j]\{\begin{array}{cc}dp[i-1][j-1]+1& S_1[i]=S_2[j]\\ max(dp[i-1][j],dp[i][j-1])& S_1[i]!=S_2[j]\\ dp[0][j]=dp[i][0]=0& 0\le i\le n,0\le j\le m\end{array}$

4.0-1背包问题

$0-1$背包：有一个容量为$V$的背包和一些物品，这些物品分别有两个属性，体积$v$和价值$w$，每个物品只有两个状态，取或不取。要求用这个背包装下价值尽可能多的物品，求该最大价值，背包可以不被装满。

我们用$dp[i][j]$表示背包总体积不超过j的情况下，前i个物品所能达到的最大价值。
初始时，$dp[0][j]=0$。若物品$i$放入背包，设其体积为$w$，价值为$v$，则$dp[i][j]$=$dp[i-1][j-w]+v$，即在总体积不超过$j-w$时前$i-1$件物品可组成的最大价值的基础上再加上$i$物品的价值$v$；若物品不加入背包，则$dp[i][j]=dp[i-1][j]$，即此时与总体积不超过$j$的前$i-1$件物品组成的价值最大值等价。选择他们之中较大值成为状态$dp[i][j]$的值。综上，$0-1$背包的状态转移方程为：
$dp[i][j]=max(dp[i-1][j-w]+v,dp[i-1][j])$

更通俗点讲就是：
(1)当w[i] > j的时候，说明放不下去，所以肯定不能放i号物品，所以：
m[i][j] = m[i-1][j]
(2)当w[i] <= j的时候，说明放的下去，那么问题就是放不放，如果放的话价值是m[i-1][j-w[i]] + v[i]；如果不放下去，就是m[i][j] = m[i-1][j]。所以放不放显然取决于两个值的大小。

if(j>=w[i])
    dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]);  
else  
    dp[i][j]=dp[i-1][j];