1.动态规划问题
动态规划问题的三要素包括:重叠子问题、最优子结构、状态转移方程。
需要明确:
问题的最简单形式;问题的所有状态;状态改变因素;用数组/函数表示状态和改变条件
2.动态规划的解题框架:
//初始化base case
dp[0][0][......]=base case
//状态转移
for 状态1 in 状态1的所有取值:
for 状态2 in状态2的所有取值:
for ......
dp[状态1][状态2][......]=求最值(选择1,选择2,...)
参考labuladong的算法小抄
动态规划的通用技巧:数学归纳思想
例:最长递增子序列
给定数组arr,设长度为n,输出arr的最长递增子序列。(如果有多个答案,请输出其中字典序最小的)
输入 [2,1,5,3,6,4,8,9,7]
返回值[1,3,4,8,9]
需要注意的是“子序列”和“子串”的区别,前者不一定连续,后者一定连续
public int[] LIS (int[] arr) {
if(arr==null ||arr.lenngth==0) return 0;
int[] np= new int[arr.length];
Arrays.fill(np,1);
int maxL=1;
for(int i=1;i<arr.length;i++){
for(int j=0;i<j;j++){
if (arr[i]>arr[j]){
np[i]=Math.max(np[i],np[j]+1);
maxL=Math.max(max,np[i]);
}
}
}
return maxL;
}
//另外一种解法
public int[] LIS (int[] arr) {
// write code here
if(arr==null ||arr.length==0) return 0;
int[] top =new int[arr.length];
int piles=0;
for(int i=0;i<nums.length;i++){
int poker = nums[i];
//两分搜索
int left=0,right=piles;
while(left<right){
int mid = (left+right)/2;
if(top[mid]>poker) right=mid;
else if(top[mid]<poker) left=mid+1;
else right=mid
}
if(left == piles) piles++;
top[left]=poker;
}
return piles;
}