动态规划系列——子序/子数组的最值问题

本题leetcode题解

leetcode 53 最大连续子数组和

leetcode 300 最长上升子序列

======================================================================================

Leetcode 53 最大和的连续子数组

使用动态规划求解连续子数组问题的时需要注意什么呢？

首先，对dp数组的定义是什么？
一般从题目入手，我一开始会把**dp[i]**定义为nums【0,…,i】中的最大子数组和。当你没有把握的时候，就带着写的这个定义去计算一下，看看是否能通过dp的定义顺利的转移出下一个状态。

很快你就会发现, 将dp定义成nums【0,…,i】中的最大子数组和是行不通的。因为题目很明显要问你连续的情形，很有可能dp【4】的最大子数组和是由nums的第一位和第二位组成的，这种情况下，对于dp【5】来说，怎么能写出符合连续状态的转移呢？

因此，我们需要修改dp数组的定义。 将dp【i】定义为以nums【i】结尾的最大子数和。这样就完美解决，有了结尾数的保证，那么对于当前的dp【i】我们要考虑的选择无非就是两个。

因此给出代码：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
      int n = nums.size();
      if(n==0) return 0;
      vector<int> dp(n,0);
      dp[0] = nums[0];
      for(int i = 1;i<nums.size();i++){
          dp[i] = max(dp[i-1]+nums[i],nums[i]);
      }
      int res = INT_MIN;
      for(int i = 0;i<nums.size();i++){
        res = max(res,dp[i]);
      }    
       return res;
      }
};

思考

当考虑dp数组的含义的时候，一定要扣紧题目，连续这一字眼已经能给出求解方向。

======================================================================================

leetcode 300 最长上升子序列

很明显又是一道动态规划求解的题目。再明确dp数组之前，我们先分析下这道题和上一道的区别，看看能不能带来些做题的启示。
Leetcode 53 给出的提出说明时， O(n)的解法，很好解释，因为我们要求解的对象是连续子数组，那么【i】位置的答案只会与【i-1】位置的答案联系起来。因此遍历一遍，就是填完了答案的过程。

但是leetcode 300，子序列就需要注意了，序列！序列！ 只要元素是来自原序列就可以的，即中间是可以断开的。因此我们意识到，【i】位置的答案需要通过依次判定【0,…,i-1】（其前面元素）的情况才能确定。这不就是O(n^2)嘛！

因此，来定义这道题的dp数组的含义，既然题目要求了上升子序列，那么我们要扣住 上升这一要求，也就是当前的元素nums【i】可以接在某个上升序列的后面（假设这个上个上升序列的最后元素位置在j），那就得满足nums【i】> nums【j】。这部就有点转移的味道了。

因此nums【i】得和其前面的元素进行比较，找出最长的那个上升序列。

在这里插入代码片
```class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
       int n = nums.size();
       if(n == 0) return 0;
       vector<int> dp(n,1);  //注意：初始化为1，默认序列只有自己一个元素，最小也是1
       for(int i = 1;i<n;i++){
           for(int j = 0;j<i;j++){
               if(nums[i]>nums[j]） dp[i] = max(dp[i],dp[j]+1);    //状态转移方程
           }
       }
     int res = 0;                          
     for(int i = 0;i<n;i++)
        res = max(res,dp[i]);
    
     return res;
    }
};