dp——动态规划
动态规划重中之重—转移方程。
书写动态规划的转移方程一般要抓住两个状态之间的联系。如最长回文子串一题(i为左边界,j为又边界,也是二维dp表的行表的行标和列标),他的转移方程为
当s[i]==s[j] | 当s[i]!=s[j] |
---|---|
dp[i][j]=2+dp[i+1][j-1] | dp[i][j]=0 |
打表方式
- [ 1] 打表方式
打表方式要根据你的转移方程来打表,例如最长回文子串这里,dp[i][j]可能用到的数据是dp[i+1][j-1]那么dp[i+1][j-1]的数据我们一定要最先计算并填在我们的dp表中,才可以在之后来使用它。
并且根据事实,左边界一定要小于右边界,所以我们的循环方法是
for (int j=0;j<le;j++){
for (int i=j;i>=0;i--){
}
}
因为不涉及到j=j的情况,所以也可以
for (int j=0;j<le;j++){
for (int i=0;i<j;i++){
}
}
- 初始化dp表边界
我们要使用转移方程,那么总是得有初始数据,那些用不到转移方程的地方,如i=j-1;
在使用转移方程 i 就大于 j 了明显不可以这样做,所以就得出以下初始化方法,当且仅当 j-i<3
的时候使用。
s[i]=s[j] | s[i]!=s[j] |
---|---|
dp[s][j]=j-i+1 | dp[i][j]=0 |
那么完整的代码就可以写出来了:
class Solution {
public:
string longestPalindrome(string s) {
int le = s.length(),maxlen=1,beg=0;
int ans[ le][le];
for (int j=0;j<le;j++){
for (int i=0;i<j;i++){
if (s[i]!=s[j]){
ans[i][j]=0;
continue;
}
else{
if(j-i<3) {
ans[i][j]=j-i+1;
}
else{
if (ans[i+1][j-1]==0) ans[i][j]=0;
else ans[i][j]=ans[i+1][j-1]+2;
}
if(ans[i][j]>maxlen) {
maxlen=ans[i][j];
beg=i;
}
}
}
}return s.substr(beg,maxlen);
}
};