动态规划(DP)

经典的动态规划问题

一、递推求解

• 首先要确定递推规则，确定几个规模较小的问题答案，然后考虑如何有这几个规模较小的答案推得后面的答案。
• 难点即在如何找到递推规则。
  例题：N阶楼梯上楼问题

#include<stdio.h>
long long F[91]; //该数组用来保存数列的每一个值，由于数值过大，我们需要使用 long long 
int main() {
    F[1] = 1;
    F[2] = 2;
    for (int i = 3; i <= 90; i++) {
        F[i] = F[i-1]+F[i-2];
    } 
    int n;
    while (scanf("%d", &n) != EOF) {
        printf("%lld\n",F[n]);
    }
    return 0;
} 

二、最长递增子序列

• LIS问题

三、最长公共子序列

• dp[i][j] 表示s1中前i个字符与s2中前j个字符分别组成的最长公共子序列的长度。
  例题：Coincidence

#include<iostream>
#include<string>
using namespace std;
int main() {
    string s1 = "";
    string s2 = "";
    int dp[101][101];
    while (cin >> s1 >> s2) {

        int l1 = s1.length();
        int l2 = s2.length();
        for (int i = 0; i < l1; i++) {
            dp[i][0] = 0;
        }
        for (int i = 0; i < l2; i++) {
            dp[0][i] = 0;
        }
        for (int i = 1; i <= l1; i++) {
            for (int j = 1; j <= l2; j++) {
                if (s1[i-1] == s2[j-1]) {
                    dp[i][j] = dp[i-1][j-1]+1;
                } else {
                    dp[i][j] = (dp[i-1][j] > dp[i][j-1])? dp[i-1][j]:dp[i][j-1];
                }
            } 
        }
        cout << dp[l1][l2] << endl;
    }
    return 0;
}

• DP问题的时间复杂度由两部分组成：状态数量和状态转移的复杂度。