acm第六周学习规划学习总结

acm线性规划学习总结
一，动态规划是分阶段求最优值的算法。
将复杂问题按阶段划分成子问题；
枚举子问题各种可能情况，从中找出最优值；
利用子问题的最优值求得源问题的最优解；
二，
动态规划解题过程：
1、判断问题是否具有最优子结构性质，若不具备则不能用动态规划。
2、把问题分成若干个子问题（分阶段）。
3、建立状态转移方程（递推公式）。
4、找出边界条件。
5、将已知边界值带入方程。
6、递推求解。
三，
最长上升子序列-1

   一个数的序列bi，当b1 < b2 < ... < bS 的时候，我们称这个序列是上升的。对于给定的一个序列(a1, a2, ..., aN)，我们可以得到一些上升的子序列(ai1, ai2, ..., aiK)，这里1 <= i1 < i2 < ... <iK <= N。
   比如，对于序列(1, 7, 3, 5, 9, 4, 8)，有它的一些上升子序列，如(1, 7), (3, 4, 8)等等。这些子序列中最长的长度是4，比如子序列(1, 3, 5, 8).

你的任务，就是对于给定的序列，求出最长上升子序列的长度。
输入数据
输入的第一行是序列的长度N (1 <= N <= 1000)。第二行给出序列中的N 个整数，这些整数的取值范围都在0 到10000。
输出要求
最长上升子序列的长度。
输入样例
7
1 7 3 5 9 4 8
输出样例
4
实现代码

#include<bits/stdc++.h>
using namespace std;
int main()
{
	int i,j,n,max;
cin>>n;
	int a[n+1],m[n+1];
	for(i=1;i<=n;++i)
		cin>>a[i];
	m[1]=1;
	for(i=2;i<=n;++i)
	{
		max=m[1];
		for(j=1;j<i;++j)
		{
			if(a[j]<a[i]&&m[j]>max)
				max=m[j];
		}
		m[i]=max+1;
	}
	max=0;
	for(i=1;i<=n;++i)
	{
		if(m[i]>max)
			max=m[i];
	}
	cout<<max;
	return 0;
}

本题总结：
这个题让我们去求最长上升子序列，我们可以把这个问题简化为求第i个元素的最长子序列的长度
当i=1时，M（1）=1
当i>=1时，M(i)=max(M(j))此时要求 j>=1 && j<=i-1 && xj<xi
最后对全部的序列进行排序找到最大的就可以了。
四，学习总结

经过了两周的动态规划（dp）的学习，我感觉动态规化的题目比贪心难好多，我觉得动态规划中最难的还是要想出状态转移方程，做dp的题的时候要思考很久，还不一定有什么思路，但解决问题不仅要有思路还要考虑时间复杂度，而且还要注意边界问题，我就经常因为边界的值不确定而ac不了，而且对于线性规划的题一部分不能用朴素的思维去解决，而是要想办法去优化，优化时间和空间的复杂度，降低循环次数才能找到最优的状态转移方程。虽然已经学习了两周，我还是觉得对于线性规划只是学到了皮毛，做起作业来也很困难，一道题经常有十几个为wrong answer 才能ac，对于dp的学习，要多刷题，找到其中的规律。