动态规划_最长子序列问题

53.最大子序和

描述：给定一个整数数组 找到一个具有最大和的连续子数组（子数组最少包含一个元素） 返回其最大和

if not nums:
	return 0
dp = [nums[0]]
# 设dp[i]表示以第i个元素为结尾的连续子数组的最大和 则递推方程式为dp[i] = max(dp[i - 1] + a[i], a[i])
for i in range(1, len(nums)):
	dp.append(max(nums[i], dp[i - 1] + nums[i]))
return max(dp)

讨论： 一开始我认为递推方程式为dp[i] = max(dp[i - 1]+a[i], dp[i - 1]) 但是如果dp[i - 1] 非常小 而nums[i]非常大的时候 这样在i处的连续子数组的最大和就是nums[i]

152.乘积最大子序列

描述：给定一个整数数组nums 找出一个序列中乘积最大的连续子序列（该序列至少包含一个数）

# temp记录整个数组的子序列最大连乘积
temp = nums[0]
n = len(nums)
# M数组记录当前位置的最大连乘值
M = [0 for i in range(n)]
# m数组记录包含当前位置的最小连乘值
m = [0 for i in range(n)]
for i in range(length):
	if i == 0:
		M[i] = nums[i]
		m[i] = nums[i]
	else:
		# 包含当前位置的最大连乘值从： 当前位置和到第i - 1个元素的最大连乘值的乘积 当前元素中选出
		M[i] = max(max(M[i-1]*nums[i],m[i-1]*nums[i]),nums[i])
        m[i] = min(min(M[i-1]*nums[i],m[i-1]*nums[i]),nums[i])
     temp = max(temp, M[i])
   return temp

讨论：
在第i个元素时 我们能够取到的子序列的最大乘积可能来自：
（1）nums[i]本身
（2）nums[i-1]能够取到的最大子序列的乘积
（3）包含nums[i-1]的最大连乘值 * nums[i]（两个部分均为正数）
（4）包含nums[i-1]的最小连乘值 * nums[i] （两个部分均为负数）

因此对于第i个元素 我们需要记录的值有三个：
（1）能够取到的子序列的最大乘积
（2）包含当前位置的最大连乘值
（3）包含当前位置的最小连乘值

300. 最长上升子序列

描述：给定一个无序的整数数组 找到其中最长上升子序列的长度

n = len(nums)
if n == 0:
	return 0
# 初始化应该是1 因为每个数字本身就是一个长度为1的上升子序列
memo = [1] * n
# 每加入一个数都要把这个数和之前的数比较一下
for i in range(1, n):
	for j in range(0, i):
		if nums[i] > nums[j]:
			memo[i] = max(memo[i], memo[j] + 1)
# print(memo)
return max(memo)

516. 最长回文子序列

描述： 给定一个字符串 找到其中最长的回文子序列 可以假设s的最大长度为1000

n = len(s)
dp = [[0 for _ in range(n)] for _ in range(n)] # dp[i][j]表示第i个到第j个字符间的子序列的个数（i<=j）
for i in range(n):
	dp[i][i] = 1
# 对于任意字符串 如果头尾字符相同 那么字符串的最长子序列等于去掉首尾的字符串的最长子序列加上首尾
 # 如果首尾字符不同 则最长子序列等于去掉头的字符串的最长子序列和去掉尾的字符串的最长子序列的较大者
 for j in range(1, n):
 	for i in range(j - 1, -1, -1):
 		if s[i] == s[j]:
 			dp[i][j] = 2 + dp[i+1][j-1]
 		else:
 			dp[i][j] = max(dp[i+1][j], dp[i][j-1])
 return dp[0][n-1]

讨论：此回文子序列不一定是连续的

673. 最长递增子序列的个数

描述：给定一个未排序的整数数组 找到最长递增子序列的个数

n = len(nums)
dp = [1] * n # 存放递增序列的最大长度
count = [1] * n  # 每个递增序列对应的子序列的个数
for i in range(1, n):
	for j in range(i):
		if nums[i] > nums[j]:
			if dp[i] <= dp[j]:
				dp[i] = dp[j] + 1
				count[i] = count[j]
			elif dp[i] == dp[j] + 1:
				count[i] += count[j]
return sum(c for i, c in enumerate(count) if dp[i] == max(dp))