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.
在这里插入图片描述
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/0b49438d5a36436a9e75bf6845d7d3ec.png

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
在这里插入图片描述

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(从后到前)
在这里插入图片描述

代码如下:

nums = [1, 5, 2, 4, 3]
dp = [1] * len(nums)

# 计算最长递增子序列的长度
for i in reversed(range(len(nums))):
    for j in range(i + 1, len(nums)):
        if nums[j] > nums[i]:
            dp[i] = max(dp[i], dp[j] + 1)
print(dp)
# 找到最长子序列的最大长度
max_length = max(dp)

# 初始化列表以存储所有可能的最长子序列
sequences = []

def find_sequences(start, current_sequence):
    if dp[start] == 1:
        sequences.append(current_sequence + [nums[start]])
        return
    for i in range(start + 1, len(nums)):
        if dp[i] == dp[start] - 1:
            find_sequences(i, current_sequence + [nums[start]])

# 找到所有最长子序列
for i in range(len(dp)):
    if dp[i] == max_length:
        find_sequences(i, [])

# 打印结果
print(f"最长递增子序列的长度:{max_length}")
print("所有最长子序列:")
for seq in sequences:
    print(seq)

结果如下:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-whDOK535-1720411698986)(https://i-blog.csdnimg.cn/direct/99cdd6b9c4da4302a787c602932f0ef8.png)]

或者(从前到后)
在这里插入图片描述

nums = [1, 5, 2, 4, 3]
dp = [1] * len(nums)

# 计算dp数组
for i in range(len(dp)):
    for j in range(i):
        if nums[j] < nums[i]:
            dp[i] = max(dp[i], dp[j] + 1)
print(dp)
max_length = max(dp)
sequences = []


def find_sequences(start, current_sequence):
    if dp[start] == max_length:
        current_sequence.append(nums[start])
        sequences.append(current_sequence[:])  # 复制当前序列
        return

    for i in range(start + 1, len(nums)):
        if dp[i] == dp[start] + 1 and nums[i] > nums[start]:
            find_sequences(i, current_sequence + [nums[start]])


# 寻找所有最长递增子序列
for i in range(len(dp)):
    if dp[i] == 1:
        find_sequences(i, [])

print(f"最长递增子序列的长度:{max_length}")
print("所有最长子序列:")
for seq in sequences:
    print(seq)

在这里插入图片描述

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值