动态规划立体匹配代码_经典算法系列：动态规划

​动态规划是算法里一个很重要的思想，在腾讯，网易等各大公司的笔试面试中经常遇到。

动态规划的思想是将一个问题分解为若干个子问题，对每个子问题求最优解，前一个子问题的最优解，为下面的子问题提供了有效信息，依次解决子问题，最后一个子问题就是初始问题的最优解。动态规划应用于子问题重叠的情况，子问题的划分是通过递归实现。为了避免子问题的重复计算，保证每个子问题只求解一次，会将解保存在数组中。

动态规划的基本步骤如下：

1.刻画一个最优解的结构特征；

2.递归定义最优解的值；

3.计算最优解的值，通常采用自底向上的方法。

那么，什么时候采用动态规划的思想呢？动态规划的问题一般有两个特征：（1）最优子结构。如果一个问题的最优解包含子问题的最优解，那么该问题就具有最优子结构；（2）重叠子问题。如果递归算法反复计算相同的子问题，那么该问题具有重叠子问题。如果在递归的每一步都生成新的子问题，那么要用分治法解决。

我们来看下面这道2017年腾讯实习生笔试题：

求解最长回文串，即正序和逆序一样，可以将s的逆序表示出来，求逆序s和正序s的最长公共子序列，该最长公共子序列即最长的回文串。那什么是最长公共子序列呢？

接下来，该问题就转化成了求最长公共子序列的问题，而求解此类问题，就用到了动态规划。求最长公共子序列，思想如下：

递推式如下，c[i,j]表示(x1,x2....xi) 和 (y1,y2...yj) 的最长公共子序列的长度。

如果不采用动态规划，只用递归，代码如下：

提交运行后会显示超时运行。因为子问题被重复计算，LCS(s,i-1,rs,j)和LCS(s,i,rs,j-1)都包含了子问题LCS(s,i-1,rs,j-1)。因此下面采用动态规划来解决。

在上述代码中，D[i][j]代表大小为i+1*j+1的数组，为什么要+1呢？这里用0表示无元素，所以初始化阶段，数组值如下：

然后循环，依次把二维数组填满即可。

总结一下，所谓动态规划，就是在解决具有最优子结构和重复子问题两种特性的问题时，把求解子问题的递归方法改成用数组保存结果的方法，数组的值不再用递归求得，而是用递推公式求得，然后就可以直接查表实现。

参考来源：

[1] 算法导论

[2]https://www.cnblogs.com/hapjin/p/5572483.html

[3]http://blog.csdn.net/baidu_28312631/article/details/47418773

本文所有代码均为本人编写并经过测试，如有错误或问题，欢迎留言或私信指正。