概念:
动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法。
动态规划是通过拆分问题,定义问题状态和状态之间的关系使得问题能够以递推(或者说分治)的方法去解决。
解决策略:
1)最优化原理:如果问题的最优解包含的子问题的解也是最优的,就称该问题又最有子结构,既满足最优化原理。
2)无后效性:某阶段状态一旦确定,就不受这个状态以后的决策影响。也就是说,某状态以后的过程不会影响以前的状态,至于当前状态有关。
3)有重叠子问题:即子问题之间不是独立的,一个字问题在下一阶段决策中可能多次被用到。(该性质并不是动态规划的必要条件,但如果没有这条性质,
动态规划算法和其他算法相比就不具备优势)
解决问题步骤:
1.拆分问题
把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决,原问题即解决(数字三角形例)。
子问题的解一旦求出就会被保存,所以每个子问题只需求 解一次。
2.找状态(初始值)
在用动态规划解题时,我们往往将和子问题相关的各个变量的一组取值,称之为一个“状 态”。一个“状态”对应于一个或多个子问题, 所谓某个“状态”下的“值”,就是这个“状 态”所对应的子问题的解。
所有“状态”的集合,构成问题的“状态空间”。“状态空间”的大小,与用动态规划解决问题的时间复杂度直接相关。
整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次,且在每个状态上作计算所花的时间都是和N无关的常数。
还需要确定一些(初始状态)边界状态的值。
3.状态转移方程
其实动态规划就好比中学时候学的通项公式,找到这个通项公式之后每次递推就可以取得最后的结果。
用动态规划能写的题基本上用递归的方法都可以。
递归到动规的一般转化方法
递归函数有n个参数,就定义一个n维的数组,数组的下标是递归函数参数的取值范围,数组元素的值是递归函数的返回值,这样就可以从边界值开始, 逐步填充数组,相当于计算递归函数值的逆过程。
1.最长上升子序列
子序列:字符的子序列指的是从给定的字符序列中随意的(不一定连续)的曲调若干个字符(也可能一个也不去掉)最后形成的字符序列。
eg:
给你一个长度为n的序列,求其最长上升子序列。
//*****LIS
#include<bits/stdc++.h>
using namespace std;
int a[10010];
int dp[10010];
int main()
{
int n;
while(cin>>n&&n)
{
for(int i=0;i<n;i++)
{
cin>>a[i];
dp[i]=1;
}
int ans=0;
for(int i=1;i<n;i++)
{
for(int j=0;j<i;j++)
if(a[j]<a[i])
dp[i]=max(dp[j]+1,dp[i]);
ans=max(ans,dp[i]);
}
cout<<ans<<endl;
}
return 0;
}
//2 5 3 7 4 2
推荐题目链接:http://acm.nyist.edu.cn/JudgeOnline/problem.php?pid=17
2.求最长上升子序列的长度
//*****LIS nlogn
#include<bits/stdc++.h>
using namespace std;
const int INF=9999999;
int dp[100];//dp[i]表示长度为i+1的子序列末尾元素最小值;
int a[100];
int main()
{
int n;
while(cin>>n&&n)
{
for(int i=0;i<n;i++)
{
cin>>a[i];
dp[i]=INF;
}
for(int i=0;i<n;i++)
*lower_bound(dp,dp+n,a[i])=a[i];//找到>=a[i]的第一个元素,并用a[i]替换;
cout<<lower_bound(dp,dp+n,INF)-dp<<endl;//找到第一个INF的地址减去首地址就是最大子序列的长度;
}
return 0;
}
/*
2 1 5 3 6 4 8 9 7
1 3 4 7 9
1 2 3 4 5
1 3 4 7 9
*/
3.最长公共子序列
题目链接:http://acm.nyist.edu.cn/JudgeOnline/problem.php?pid=36
大意:给两个字符串,要求求出最长的公共子序列,求出的公共子序列在每个给定的字符串中可不连续
//*******LCS #include<bits/stdc++.h> using namespace std; string s1,s2,s3; int dp[1000][1000]; int len1,len2; int main() { while(cin>>s1>>s2) { memset(dp,0,sizeof(dp)); len1=s1.length(); len2=s2.length(); for(int i=0; i<len1;i++) for(int j=0; j<len2;j++) { if(s1[i]==s2[j]) dp[i+1][j+1]=dp[i][j]+1; else dp[i+1][j+1]=max(dp[i+1][j],dp[i][j+1]); } cout<<dp[len1][len2]<<endl; } return 0; }
最后推荐两个写dp的博客:
https://blog.csdn.net/baidu_28312631/article/details/47418773
https://blog.csdn.net/baidu_28312631/article/details/47426445