动态规划思想

1. 什么是动态规划？
   和分治法一样，动态规划（dynamic programming简称dp）是通过组合子问题而解决整个问题的解。
   分治法是将问题划分成一些独立的子问题，递归地求解各子问题，然后合并子问题的解。
   动态规划适用于子问题不是独立的情况，也就是各子问题包含公共的子子问题。
   此时，分治法会做许多不必要的工作，即重复地求解公共的子问题。动态规划算法对每个子问题只求解一次，将其结果保存起来，从而避免每次遇到各个子问题时重新计算答案。
2. 动态规划算法的设计
   两种方法：
   自顶向下（又称记忆化搜索、备忘录）：基本上对应着递归函数实现，从大范围开始计算，要注意不断保存中间结果，避免重复计算
   自底向上（递推）：从小范围递推计算到大范围
   动态规划的重点：
   递归方程+边界条件
3. 爬楼梯问题
   一个人每次只能走一层楼梯或者两层楼梯，问走到第80层楼梯一共有多少种方法。
   设DP[i]为走到第i层一共有多少种方法，那么DP[80]即为所求。很显然DP[1]=1, DP[2]=2（走到第一层只有一种方法：就是走一层楼梯；走到第二层有两种方法：走两次一层楼梯或者走一次两层楼梯）。同理，走到第i层楼梯，可以从i-1层走一层，或者从i-2走两层。很容易得到：
   递推公式：DP[i]=DP[i-1]+DP[i-2]
   边界条件：DP[1]=1 DP[2]=2
   (a)自顶向下的解法：

long long dp[81] = {0};/*用于保存中间结果 
否则会重复计算很多重复的子问题*/  
long long DP(int n)  
{  
    if(dp[n])  
        return dp[n];  
    if(n == 1)  
        return 1;  
    if(n == 2)  
        return 2;  
    dp[n] = DP(n-1) + DP(n-2);  
    return dp[n];     
}  

(b)自底向上的解法：

int i;  
long long dp[81]; /* 注意当n超过75时，结果值将超过int范围 */  
dp[1] = 1;  
dp[2] = 2;  
for(i=3; i <= 80; i++)  
    dp[i] = dp[i-1] + dp[i-2];  

1. 最长上升子序列
   对于序列：4 1 2 24，它的最长上升子序列是1 2 4，长度为3。
   对于序列：4 2 4 25 6，它的最长上升子序列是2 4 5 6，长度为4
   设a[i]表示原序列，设DP[i]表示以第i个数结尾的最长上升序列的长度，那么很显然想导出DP[i]的值，需要在DPk中找出满足a[k]

void RiseSequence(int Array[], int num)  
{  
#define MAX_LENGTH  30  
    struct  
    {  
        int SequenceValue;  /* max length ending with this num */  
        int PreviousIndex;  /* record the previous number */  
    }ArrayInfo[MAX_LENGTH], temp;  
    int i;  
    for(i = 0; i < num; i++)  
    {  
        int j;  
        ArrayInfo[i].SequenceValue = 1;  
        ArrayInfo[i].PreviousIndex = -1;  
        for(j = 0; j < i; j++)  
        {  
            if(Array[j] < Array[i] && (ArrayInfo[j].SequenceValue + 1 > ArrayInfo[i].SequenceValue))  
            {  
                ArrayInfo[i].SequenceValue = ArrayInfo[j].SequenceValue + 1;  
                ArrayInfo[i].PreviousIndex = j;  
            }  
        }  
    }  
    temp.SequenceValue = ArrayInfo[0].SequenceValue;  
    for(i = 1; i < num; i++)  
    {  
        if(temp.SequenceValue < ArrayInfo[i].SequenceValue)  
        {  
            temp.SequenceValue = ArrayInfo[i].SequenceValue;  
            temp.PreviousIndex = i;  
        }  
    }  
    for(i = 0; i < temp.SequenceValue; i++)  
    {  
        printf("%d  ", Array[temp.PreviousIndex]);  /* in reverse order */  
        temp.PreviousIndex = ArrayInfo[temp.PreviousIndex].PreviousIndex;  
    }  
    printf("\nthe max rising sequence length is %d\n", temp.SequenceValue);  
}  

1. 最长公共子序列
   给定两个序列X和Y，称序列Z是X和Y的公共子序列如果Z既是X的一个子序列，又是Y的一个子序列。例如，如果X={a,b,c,b,d,a,b} Y={b,d,c,a,b,a} 那么序列{b,c,a}就是X和Y的一个公共子序列，但是它并不是X和Y的最长公共子序列，因为它的长度为3。而同为X和Y公共子序列的{b,c,b,a}，长度为4，因为找不到长度为5或更大的公共子序列，所以X和Y的最长公共子序列长度就为4。
   假设两个序列数组分别为a，b。定义f(i,j)为计算到a数组第i个数、b数组第j个数时所得到的最长公共子序列的长度。这时有两种情况：
   1.假如a[i]=b[j]，那么f(i,j)=f(i-1,j-1)+1
   2.假如a[i]!=b[j]，那么f(i,j)=max(f(i-1,j),f(i,j-1))
   边界条件为：f(i,0)=0 1<=i<=len(a)
   f(0,j)=0 1<=j<=len(b)
   算法复杂度：O(n^2)，len(a)表示数组a的长度。