动态规划初识

开篇

首先要了解动态规划，我们可以从这个题的解题思路入手

https://blog.csdn.net/mk33092250/article/details/113862996

请确保一定看懂了该题的题解思路，再继续往下。

 

动态规划问题，大多是求解最值

核心：

1. 找到最优子结构
2. 找到状态转移方程

该题，我们采用了一个一维数组存储结果，实际我们的思路中就用到了动态规划。

countArray[i]就是我们的最优子结构，表示数组中连续i个元素的最长递增子序列。

通过上一次的结果可以经过推算得到下一次的结果，这就是状态转移方程。

即下面这段代码，就是我们的状态转移方程

 if (nums[i]>nums[j]&&countArray[i]<=countArray[j]){
                    countArray[i]=countArray[j]+1;
                    if (countArray[i]>result){
                        result=countArray[i];
                    }
                }

 

进而按照动态规划的解题标准来进行构建，构建dp数组，最终我们的dp数组即为全部的值

public int[] lengthOfLISByDP(int[] nums) {
        int[] dp=new int[nums.length];
        Arrays.fill(dp,1);
        int result=1;
        for (int i = 1; i < nums.length; i++) {
            for (int j = 0; j < i; j++) {
                if (nums[i]>nums[j]){
                    dp[i]=dp[j]+1;
                }else {
                    dp[i]=dp[j];
                }
            }
        }
        System.out.println(Arrays.toString(dp));
        return dp;
    }

 

测试输入：

10,9,2,5,3,7,101,18,19,20

输出

[1, 1, 1, 2, 2, 3, 4, 4, 5, 6]

经典动态规划问题

斐波拉契数列

背包问题

m个苹果放n个盘子

凑零钱问题

最大(小)连续子序列

 

总结

动态规划问题，大多是求解最值。

关键在于构建dp数组，怎么根据上一次的结果推算到下一次的结果

解体规范：

1.找到最优子结构

2.找到状态转移方程