动态规划之最长上升子序列模型

dp给我的感觉就相当于dfs。只不过dp是从一个集合推到另一个集合。在思考dp的时候可以思考一下如果dfs的话，它是如何推出答案的。也就是说，我们不用关心具体的dfs过程，但要知道它是如何从无到有，算法推进过程中得到中间结果的顺序是什么。把这些中间结果放到一个集合中，就是dp。

背包模型和最长上升子序列模型的区别，在于最优的区别。最长上升子序列模型因为它们本身的性质最优，而背包模型最优不是因为它们本身的性质，而在于外界给予它们的约束条件。就比如，最长上升子序列模型的最优子序列，本身就满足最长、最短、和最大、花费最小……而背包模型的最优子序列，你的序列最优，是因为你的总体积<=v，序列再长、再短、和在大、体积在大都没用。

有些题目，让求给定序列的最长的子序列，这个子序列是***形状的。（序列因为它们本身的性质，所以最优）

五一到了，ACM队组织大家去登山观光，队员们发现山上一个有N个景点，并且决定按照顺序来浏览这些景点，即每次所浏览景点的编号都要大于前一个浏览景点的编号。
同时队员们还有另一个登山习惯，就是不连续浏览海拔相同的两个景点，并且一旦开始下山，就不再向上走了。
队员们希望在满足上面条件的同时，尽可能多的浏览景点，你能帮他们找出最多可能浏览的景点数么？

自己的做法
题目让求最长的子序列，该子序列满足单调递增或者先递增后递减或者递减。
我们要得到最长的子序列，就需要枚举出A(1, n)中的所有的子序列（不用关心如何枚举）。我们把枚举过程中得到的一类中间子序列放到集合中。

为了表示更精确的划分集合，我们在集合表示时，需要用某一种方式，来对集合里的内容做更详细的描述。我们用0表示单调递增，1表示单调递减。

（大部分集合只涵盖了算法推进过程中的中间序列）
集合{i, 0}：以a[i]结尾，并且该集合中的所有序列从头元素单调递增至a[i]或者只包含a[i]

集合划分：看倒数第二个数。根据集合的定义，集合中的所有序列，倒数第二个数可能不存在；如果存在，因为单调递增，所以a[k] < a[i]。

集合{i, 1}：以a[i]结尾，并且该集合中的所有序列在某一段连续单调递减至a[i]或者只包含a[i]。

集合划分：看倒数第二个数。倒数第二个数可能不存在；如果存在，根据集合的定义，因为所有序列在某一段连续单调递减至a[i]，所以倒数第二个数a[k]肯定小于a[i]。

网上的做法
集合定义稍不一样。
我们要求出题目所需要的序列。题目所需的序列肯定有一个顶点。我们枚举出以这个顶点结尾的所有递增子序列，再枚举出这个顶点开头的所有递减子序列，然后拼接，就得到答案。

因此设计两个集合：（所有集合里的内容涵盖了算法推进的中间序列和目标序列）
dp_Up[i]：以a[i]结尾的最长递增子序列
dp_Down[i]：以a[i]开头的最长递减子序列
属性都是：max Len

因此dp_Up[i] + dp_Down[i] - 1就是我们想要的结果。

总结：
自己的思路比较偏暴力一点。如果让我去暴力做这个题，我会直接枚举出所有子序列。
网上的思路的方法巧妙一点。如果按网上的思路暴力枚举，肯定是先枚举每个顶点，然后枚举以这个顶点结尾的所有递增子序列，以得到最长递增子序列（目的），再枚举这个顶点开头的所有递减子序列，以得到最长递减子序列。

---

有的题目需要转化：

N 位同学站成一排，音乐老师要请其中的 (N−K) 位同学出列，使得剩下的 K 位同学排成合唱队形。     
合唱队形是指这样的一种队形：设 K 位同学从左到右依次编号为 1，2…，K ，他们的身高分别为 T1，T2，…，TK ，  则他们的身高满足 T1<…Ti+1>…>TK(1≤i≤K) 。     
你的任务是，已知所有 N 位同学的身高，计算最少需要几位同学出列，可以使得剩下的同学排成合唱队形。

题目可以等价转化为，求最长的合唱队形。而合唱队形就是上一个题目让求的子序列。

---

Palmia国有一条横贯东西的大河，河有笔直的南北两岸，岸上各有位置各不相同的N个城市。
北岸的每个城市有且仅有一个友好城市在南岸，而且不同城市的友好城市不相同。
每对友好城市都向政府申请在河上开辟一条直线航道连接两个城市，但是由于河上雾太大，政府决定避免任意两条航道交叉，以避免事故。
编程帮助政府做出一些批准和拒绝申请的决定，使得在保证任意两条航线不相交的情况下，被批准的申请尽量多。

自己的做法
题目等价于让求最长的键值对序列。如果我们把南岸和北岸的城市画出来，把每个键值对当成一个斜线，题目等价于让求这些斜线序列的最长不相交子序列。
我们要枚举出最长的斜线序列，必须要按某一顺序枚举出所有的斜线序列。我们可以按南岸坐标（或者北岸）从小到大枚举斜线序列。将枚举过程中的合法中间斜线序列放到集合中：

dp[i]：以a[i]结尾的斜线序列集合。
属性：MAX LEN

集合划分：
按倒数第二个数进行划分。

网上的做法

将键值对按南岸序列从小到大排好后，等价于再去求北岸序列的最长上升子序列。

---

有些题目，会给你两个序列，然后根据这两个序列求一个最优序列。（不一定是子序列）

给定两个字符串 A 和 B ，现在要将 A 经过若干操作变为 B ，可进行的操作有：
删除–将字符串 A 中的某个字符删除。
插入–在字符串 A 的某个位置插入某个字符。
替换–将字符串 A 中的某个字符替换为另一个字符。
现在请你求出，将 A 变为 B 至少需要进行多少次操作。

题目等价于让我们求一个包含删除，插入，替换的操作序列，这个操作序列，可以将A变为B，并且序列长度最短。

我们要将A变为B，肯定要从无到有，列举操作。因此，在算法推进的过程中，肯定有一个没列举完的操作序列（a[0]替换，在a[0]后插入……这样的操作），这个操作序列，可以将A的一部分变为B的一部分。
{i，j}：将A[1……i]变为B[1……j]的所有操作序列集合。
属性：MIN len

集合划分：对于集合中的所有操作序列看最后一个的操作。

第一类，a[i] != b[j]

1. 如果最后一个操作是删除a[i]，然后将A[1……i]变为B[1……j]，那么这类操作序列，如果“遮掉” "删除a[i]"这个操作，投影出来的操作序列肯定可以把A[1……i - 1]变为B[1……j]。这类操作序列的最小长度，就是“遮掉”"删除a[i]"操作后，操作序列的最小长度，再加上1。
2. 如果最后一个操作是替换a[i]，替换的值肯定是b[j]。那么遮掉这个操作后的操作序列，应该能够把A[1……i - 1]变为B[1……j - 1]。
3. 如果最后一个操作时在a[i]后插入，那么插入的值肯定是b[j]。遮掉这个操作的操作序列，可以把A[1……i]变为B[1……j - 1]。

第二类， a[i] == b[j]

1. 如果a[i] == b[j]，那么实际上不用对a[i]进行任何操作。这堆操作序列不用遮掉，就能够将A[1……i - 1]变为B[1……j - 1]。因此直接包含在{i - 1, j - 1}中。

最长公共上升子序列

如何获得状态：算法推进。要得到最长用重复去求它。
公共上升子序列，你必须通过某种搜索过程，得到全部的公共上升子序列；将搜索过程中得到的这些子序列分类划分成不同的
集合；保存这些集合的属性，使我们不用重复去求。

在算法推进过程中，我们按某一顺序同时遍历数组A和数组B，会获得一堆公共上升子序列。我们要从这些公共子序列中得到最长公共子序列。

将这些公共子序列划分：
dp[i][j]:序列包含在A[1……i]和B[1……j]中，且以B[j]结尾的子序列长度。

1.对于不包含A[i]的子序列，也就是同时位于{i - 1, j}集合，其最长公共子序列的长度为dp[i - 1][j]
2.对于包含A[i]的子序列，因为A[i]是A的最后一个元素，B[j]是B的最后一个元素，序列同时含有A[i]和B[j]，所以肯定有A[i] == B[j]。
对这些子序列进行进一步的划分：遮掉B[j]，然后进行映射，可以得到一些子序列。这些子序列肯定全部位于{i - 1, k}集合（这些集合可以
为空集）中（k是倒数第二个元素的位置）。因此，这些公共子序列的最长长度为：dp[i - 1][k] + 1。

得：dp[i][j] = max(dp[i - 1][j], dp[i - 1][k] + 1 (0 <= k < j) )