动态规划入门题目总结

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

动态规划是算法中比较难的一类问题，今天在这里整理一下动态规划的入门问题。

一、动态规划是什么？

动态规划往往用来求解最优解。动态规划的问题往往可以分解成多个子问题，先求解子问题，再通过子问题来得到最终问题的答案。乍一看和分治法类似，实际上确实比较类似，但动态规划分解后的子问题之间不是相互独立的，而分治法之间的子问题是相互独立的，如果用分治法去求解动态规划的问题，往往会大量重复计算已经计算过的值，而动态规划利用一个表存储每一个子问题的答案，需要的时候去表中取就行了，这就是动态规划基本的思想。

二、解决动态规划问题的主要步骤

本人对于动态规划问题主要是从以下几个方面来思考的

1 首先是确定一个表f,可能是一维的，也可能是二维的，根据实际情况决定，例如最常见的爬楼梯问题，我们可以这样设定一个表f，对于每个表中的元素f[i]，代表爬到第i阶楼梯共有多少种方法。

2 第二步就是划分，也就是寻找所谓的状态转移方程的过程，对于此题，我们这样划分： 对于爬到第i阶楼梯，我们考虑是怎么到第i阶来的，即最后一次是走了一阶，还是两阶，由此我们就可以得到状态转移方程f [i] = f[i - 1] + f[i - 2]

三、入门题目

背包问题（没有在leetcode中找到原题）
爬楼梯
斐波那契数列
这两题的基本思想是一样的，上面已经提交，这里不再提及。

最大子序和
对于这题，我们令f[i]代表以当前num[i]为结尾的连续子数组的最大和。那么可以想到，如果f[i-1]小于0的话，那么会对f[i]产生负面效果，所以f[i] = max(f[i - 1], 0) + num[i];

最长上升子序列
对于这题，我们令f[i]代表以i为结尾的上升子序列中的元素个数，
划分：f[i]可能由 0 ~ i - 1中的任何一个转移过来，但是必须保证num[j]必须小于num[i],j 取0 ~ i - 1所以依次枚举0 ~ i - 1取其中的最大值,再加上1即可。

最长公共子序列
元素f[i][j]代表text1的前i个字符[0,i)和text2的前j个字符[0,j)的最长公共子序列的长度。
划分：根据第i j 个元素是否相等来划分，如果第i 和 j 的元素不相等，那么f[i][j] = max(f[i -1][j], f[i][j - 1])。
如果第text1[i] == text2[j]那么 f[i][j] = max(f[i][j], f[i - 1][j - 1] + 1)。

总结

动态规划类的题关键在于怎么表示和怎么划分，这往往是一眼看不出来的，需要大量的经验，不过还是有一点规律可循，往往是根据上一次的状态来划分。还是多做题吧~