理解
动态规划是将原始问题分解为若干个子问题,对子问题进行求解,并记录下子问题的结果,当求解包含已经解决的子问题的原问题时,返回子问题的结果即可
基本概念
转移方程、边界
最优子结构
引例
数塔问题
在如上数塔中,选取一条路径使得路径上的数字和最大
解:
设数塔表示为 f [ i ] [ j ] f[i][j] f[i][j], d p [ i ] [ j ] dp[i][j] dp[i][j]表示选择了 f [ i ] [ j ] f[i][j] f[i][j]能得到的最大的和,得到转移方程为:
d p [ i ] [ j ] = max ( d p [ i + 1 ] [ j ] , d p [ i + 1 ] [ j + 1 ] ) + f [ i ] [ j ] dp[i][j] = \max{(dp[i+1][j], dp[i+1][j+1])}+f[i][j] dp[i][j]=max(dp[i+1][j],dp[i+1][j+1])+f[i][j]
边界为:
d p [ n ] [ j ] = f [ n ] [ j ] dp[n][j] = f[n][j] dp[n][j]=f[n][j]
递归求解即可
斐波那契数列求解
走楼梯
典型问题
最大连续子列和
-
在数列 n 1 , n 2 , . . . , n K n_1, n_2, ... , n_K n1,n2,...,nK中,求出 n i + n i + 1 + . . . + n j n_i + n_{i+1} + ... + n_j ni+ni+1+...+nj 的最大值
-
dp数组: d p [ i ] dp[i] dp[i]表示以 n i n_i ni结尾的子列中子列和的值
-
转移方程和边界
d p [ i ] = max ( d p [ i − 1 ] + a [ i ] , d p [ i ] ) dp[i] = \max(dp[i - 1] + a[i], dp[i]) dp[i]=max(dp[i−1]+a[i],dp[i])
d p [ i ] = a [ i ] dp[i] = a[i] dp[i]=a[i]
最长不降子序列(LIS)
-
序列可以不连续
-
dp数组: d p [ i ] dp[i] dp[i]表示以 A [ i ] A[i] A[i]结尾的LIS长度
-
状态转移方程:
当 A [ i ] A[i] A[i]前的元素 A [ j ] A[j] A[j]都比 A [ i ] A[i] A[i]大, d p [ i ] = 1 dp[i] = 1 dp[i]=1
否则: d p [ i ] = max ( d p [ j ] + 1 ) dp[i] = \max(dp[j] + 1) dp[i]=max(dp[j]+1)
综上: d p [ i ] = max ( 1 , d p [ j ] + 1 ) , 0 ≤ j < i , A [ j ] ≤ A [ i ] dp[i] = \max(1, dp[j] + 1), 0 \leq j< i,A[j] \leq A[i] dp[i]=max(1,dp[j]+