经典的动态规划问题 一、递推求解二、最长递增子序列三、最长公共子序列 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。