动态规划之最长递增子序列 最长不重复子串 最长公共子序列

【前言】动态规划：与分治法相似，即通过组合子问题来求解原问题，不同的是分治法是将问题划分为互不相交的子问题，递归求解子问题，再将他们组合起来求出原问题的解。

动态规划则应用于子问题重叠的情况，通常用来求解最优化问题。这类问题可以有很多可行解，每个解都有一个值，我们希望寻找最优值的解。

通常有4个步骤来设计动态规划算法：

1.刻画一个最优解的结构特征。

2.递归地定义最优解的值。

3.计算最优解的值，通过采用自底向上的方法。

4.利用计算出的信息构造一个最优解。

【问题1】最长递增子序列问题

【问题描述】设L=<a1,a2,…,an>是n个不同的实数的序列，L的递增子序列是这样一个子序列Lin=<ak1,ak2,…,akm>，其中k1<k2<…<km且aK1<ak2<…<akm。求最大的m值。

采用一个数组temp[]保存 以当前元素结尾的最长递增子序列长度，最后求出全局最优解

更新最长递增子序列的条件：a[i]>a[j]  (i>j) 且前一个递增序列长度大于等于当前递增序列长度

//动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。
    //最长递增子序列O(N^2)
    public void longestIncreasingSubsequence2(int[] a){
    	int[] temp=new int[a.length];
    	temp[0]=1;
    	int max=0;
    	for(int i=1;i<a.length;i++){
    		temp[i]=1;
    		for(int j=0;j<i;j++){
    			if(a[i]>a[j]&&temp[i]<=temp[j]){//找出最大的temp[j](前一个最长递增子序列长度)temp[i]<=temp[j]
    				temp[i]=temp[j]+1;//更新最长递增子