关于动态规划解题步骤和两个重要性质的理解---以最长递增子序列为例

首先要感谢自己幸运地看到了慕课网上，北大老师的程序设计与算法课。讲得真心不错，推荐一看。

说明：该文章所直接使用的动态规划解题步骤来自上述的课程，不再具体讲解，直接使用。看另外，该文章以步骤的第一步为主，重点讲解无后效性，后面三步不再赘述。

1：把原问题化为子问题。首先考虑的是----“求序列前i个元素的最长递增子序列”， 即可以定义F（i）=x ;x是当前状态的值。进一步分析，虽然，状态的值只有一个，但是到达这个状态的途径有很多，进一步想F（i+1），如果这些不同途径中的某个途径（序列）的最后一个元素比ai+1小，那么F(i+1)就会是更长的子序列；反之，如果不比ai+1小，F(i+1)就不一样了。 这样，F(i+1)的值不仅与当前状态的值（x）有关了， 也就不满足无后效性。补充：（无后效性定义）当前的若干个状态的值一旦确定，则此后过程的演变就只和这若干个状态的值有关，和之前采取哪种手段或经过哪条路径演变到当前这若干个状态无关。

所以，子问题这么划分是不适合用动态规划的。我们接下来换个子问题的设法。 “子问题为以元素ai结尾的最长递增子序列”，即F(ai)=x;这样就保证了，在我们求出了所有的解以后，找出最大的那个就可以了。为什么满足了呢？我们这样想，我们最后会求出所有元素的F(ai)，这些值可能相等可能不等，但不管如何，最后我们要把这些值求最大值，根本不用管到达max(F[ai])经过了那些值，所以只与状态的值有关。

2：确定状态 即每个元素的下标k，因为状态只包含一个变量，所以存储状态值的数组是一维的。即maxvalue【n】;

3:确定一些初始状态的值，在这里我们把初始状态都初始化为1，即以自身结尾的最低要求是一个长度。

4：状态转移方程   网上一搜就看到，不再赘述。