【C++】动态规划方法以及Maximum Length of Repeated Subarray

一，动态规划
动态规划的本质是递归，动态规划在递归的基础上通过空间来换取时间，来解决问题。它是通过：原问题(N)—>子问题(N-1)—>原问题（N），这样的方式将大的问题分解成一个个小的问题来求解，通过解决一个个小的问题最终将大问题解决了。
动态规划要求划分子问题的时候要满足无后效性，也就是说划分之后子问题的解不依赖于其他部分，而且子问题的解决会简化原问题而不会对原问题造成影响。动态规划去除了递归的冗余计算，使得计算量没那么大，而且是利用空间来换取时间。
在一般的离散问题 中出现求一个问题的最优、最大、最小、最长、计数等要求是有可能要用到动态规划的求。
一般来说解动态规划解题的四个步骤：
1,设计暴力算法，找到冗余
2，设计并存储状态（一维，二维。三维数组，甚至用map）
3，递归式（状态转移方程）
4，自底向上计算最优解（编程方式）

二，Maximum Length of Repeated Subarray。
寻找两个数组中相同最长连续子数组问题
Given two integer arrays A and B, return the maximum length of an subarray that appears in both arrays.
Input:
A: [1,2,3,2,1]
B: [3,2,1,4,7]
Output: 3
Explanation:
The repeated subarray with maximum length is [3, 2, 1].
这一题的思路是定义一个二维数组作为存储状态，用这个数组来存储当前两个字符串的状态。如temp[i][j]就表示A中0到i与B中0到j中相同最长连续子数组的长度。那么转移方程就可以为：

if A[i]==B[j]
    temp[i][j]=temp[i-1][j-1]+1
else
    temp[i][j]=0

另外一方面由于A，B中头部元素A[0],B[0]是头部元素，因此需要将temp数组增加一行和一列，并将temp[i+1][J+1]对应于A[i]和B[j]的元素。
temp的计算结果如下所示：

该问题的代码如下所示：

int findLength(vector<int>& A, vector<int>& B) {
    int m=A.size(),n=B.size(),maxLen=0;
    vector< vector<int>> tempAB(A.size()+1,vector<int>(B.size()+1,0));
    int i,j;
    for(i=1;i<m+1;++i){
        for(j=1;j<n+1;j++){
            if(A[i-1]==B[j-1]){
                tempAB[i][j]=tempAB[i-1][j-1]+1;
            }
            maxLen = maxLen<tempAB[i][j]?tempAB[i][j]:maxLen;
        }
    }
    return maxLen;
}