算法分析与设计--动态规划 1.数塔问题 2.最长上升子序列（LIS）

 以下是个人见解，只可用于参考，有错误欢迎指正

一、数塔问题

如下图是一个数塔，从顶部出发在每一个节点可以选择向左或者向右走，一直走到底层，要求找出一条路径，使得路径上的数字之和最大。

 思路：

先自顶而下分析：

每层要向左走还是右走，取决于左右两边到最底层的路径长度。因此求第一层的最大路径长度要先知道第二层的最大路径长度...即要先求第四层的最大路径长度，再求上一层的最大路径长度。

因此要采用自底而上的计算。

算法实现：

首先利用一个二维数组data存储数塔的原始数据，然后利用一个中间数组dp存储每一次决策过程中的结果。

1.初始化dp，将data的最后一层拷贝到dp中。dp[n][j] = data[n][j] (j = 1, 2, …, n) 其中，n为数塔的层数。
2.对每一层有：dp[i][j] = max(dp[i+1][j], dp[i+1][j+1]) + data[i][j]。

3.最后的结果存在dp[0][0]中。

目标函数：dp[i][j]表示相邻两行之间每步的最大值

边界：dp[n-1][j]=data[n-1][j]

状态转移方程：dp[i][j] = max(dp[i+1][j], dp[i+1][j+1]) + data[i][j]（0<=i<n-1）

答案：dp[0][0]

具体可参考博客：http://t.csdn.cn/323Y4

二、最长上升子序列（LIS）

在a1,a2,…,an中，一个k长度子序列指ai1,ai2,…,aik，使得1≤i1<i2<…<ik≤n. 如果ai<ai2<…<ai，请输出k的最大值.（即求出数组a的最长上升子序列长度） 。

解释：

子序列

所谓的子序列就是在原来序列中找出一部分组成的序列。

与子段不同，不需要连续的某一段，但是要保持原序列的先后顺序

最长上升子序列

在子序列的基础上，后一项大于前一项。

思路：

我们要求n个数的最长上升子序列，可以求前n-1个数的最长上升子序列，再跟第n个数进行判断。求前n-1个数的最长上升子序列，可以通过求前n-2个数的最长上升子序列……最后只剩一个数，再向后回溯。

目标函数：F [ i ] 代表以 A [ i ] 结尾的 LIS 的长度

状态转移方程：F [ i ] = max { F [ j ] + 1 ，F [ i ] } (1 <= j <  i，A[ j ] < A[ i ])

边界：F [ i ] = 1 (1 <= i <= n)

答案：F(i)=max{F(1),F(2),……,F(i)} 

时间复杂度：O (n^2)

空间复杂度：O（n）

具体可参考博客：http://t.csdn.cn/gfbEJ