动态规划法---最大字段和:找出数组连续子序列的最大值---返回数组中最长的递增序列长度

一、最大字段和：找出数组[-2,1,-1,4,-1,2,1,-5,4]中连续子序列的最大值

问题描述：
给定一个数组，求这个数组的连续子数组中，最大的那一段的和。如数组[-2,1,-3,4,-1,2,1,-5,4]:
连续子数组如:[-2,1]、[1,-3,4,-1]、4,-1,2,1]
[-2,1,-3,4,-1,2,1,-5,4]，和最大的是[4,1,2,1]，为6。
思路：
将求n个数的数组的最大子段和，转换为分别求出以第1个、第2个、…第n个数字结尾的最大字段和，再找出这n个结果中最大的，即为结果。
动态规划算法:
第i个状态(dp[i])即为以第i个数字结尾的最大子段和(最优解)。由于以第i-1个数字结尾的最大子段和(dp[i-1])与numsi]相邻.

nums=[-2,1,-1,4,-1,2,1,-5,4]
dp=[0 for i in range(len(nums))]
dp[0]=nums[0]
dp = [0] * len(nums)
dp[0] = nums[0]
for i in range(1, len(nums)):
    dp[i] = max(nums[i], dp[i-1] + nums[i])
    print(dp)
result=max(dp)
print(result)
end = dp.index(result)
subarr=[]
for i in range(i, -1, -1):
    if dp[i]<0:
        subarr=nums[i+1:end+1]
        break
print(subarr)

结果

二、在数组[1,5,2,4,3]中返回最长的递增序列长度

10分钟彻底搞懂“动态规划”算法
1.暴力枚举法

memo={}
def find(nums,i):
    if i in memo:
        return memo[i]
    if i==len(nums)-1:
        return 1
    max_len=1
    for j in range(i+1,len(nums)):
        if nums[j]<=nums[i]:
            continue
        else:
            max_len=max(max_len,find(nums,j)+1)
    memo[i]=max_len
    return max_len

def huilujishu(nums):
    return max(find(nums,i) for i in range (len(nums)))
nums=[1,5,2,4,3]
print(huilujishu(nums))

2.动态规划法：用空间换时间----自底向上—dp数组
dp[i]=max{dp[i],do[j]+1}
以i=2为例，这里的第二个dp[i]相当于dp[3]+1,也就相当于dp[2]=max{dp[3],dp[4]}+1，若不理解看下图

nums=[1,5,2,4,3,4]
dp=[1]*len(nums)
for i in reversed(range(len(nums))):
    for j in range(i+1,len(nums)):
        if nums[j]>nums[i]:
            # 以i=2为例，这里的第二个dp[i]相当于dp[3]+1,也就相当于dp[2]=max{dp[3],dp[4]}+1，若不理解看下图
            dp[i]=max(dp[i],dp[j]+1)
    print(i)
    print(dp)
print(dp)
print(max(dp))

结果如下：

或者

nums=[1,5,2,4,3]
dp=[1]*len(nums)
for i in range(1,len(nums)):
    for j in range(i):
        if nums[j]<nums[i]:
            # 以i=3为例，这里的第二个dp[i]相当于dp[]+1,也就相当于dp[2]=max{dp[3],dp[4]}+1
            dp[i]=max(dp[i],dp[j]+1)
print(dp)
print(max(dp))