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:
- 找到最优子结构
- 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