Dp总结

dp即为动态规划，关键在于寻找程序所对应的公式若公式找出则可进一步写出代码
基本思想
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。
求解出某一阶段的值并进行保存然后一步步的进行填表式的输出。
eg:三角形数
题目
给定一个由行数字组成的数字三角形。试着设计一个算法，计算出从三角形的顶到底的一条路径，使得该路径经过的数字总和最大。
测试数据

1
2 3
20 5 6
7 8 9 10
最大值 31

import java.util.Scanner;

//132模式
public class Main {
	static int[][]array;
	static int[][]record;
	public static void main(String[] args) {
		Scanner sc=new Scanner(System.in);
		int n=sc.nextInt();
		array=new int[n][n];
		record=new int[n][n];
		for(int i=0;i<n;i++) {
			for(int j=0;j<=i;j++) {
				array[i][j]=sc.nextInt();
			}
		}
		for(int i=0;i<n;i++) {
			record[n-1][i]=array[n-1][i];
		}
		//将记录权值的最后一行约定为所求的数组的最后一行。
		for(int i=n-1;i>=0;i--) {
			for(int j=0;j<i;j++) {
			//记录下每一阶段每一层次所对应的权值，
				if(record[i][j]>record[i][j+1]) {
					record[i-1][j]=record[i][j]+array[i-1][j];
				}else {
					record[i-1][j]=record[i][j+1]+array[i-1][j];
				}
			}
		}
		System.out.println(record[0][0]);
	}
}

常用于处理多决策问题，即一个问题对应的解与每个阶段的值都有关，寻求最优解，或者最长最短路径。
经典例题 LCS求最长公共子序列的长度
力扣1143
给定两个字符串 text1 和 text2，返回这两个字符串的最长公共子序列的长度。

一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。
例如，“ace” 是 “abcde” 的子序列，但 “aec” 不是 “abcde” 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。

若这两个字符串没有公共子序列，则返回 0。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-common-subsequence
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

class Solution {
    static char []arr1;
    static char []arr2;
    static int [][]record;
    public int longestCommonSubsequence(String text1, String text2) {
		arr1=text1.toCharArray();
		arr2=text2.toCharArray();
		int length1=arr1.length;
		int length2=arr2.length;
		record=new int[length2+1][length1+1];
		//初始化横纵两列为0;
		for(int i=0;i<length1+1;i++){
			record[0][i]=0;
		}
		for(int i=0;i<length2+1;i++){
			record[i][0]=0;
		}
		for(int i=1;i<length2+1;i++){
			for(int j=1;j<length1+1;j++){
				if(arr1[j-1]==arr2[i-1]){
					record[i][j]=record[i-1][j-1]+1;
				}else{
					record[i][j]=max(record[i][j-1],record[i-1][j]);
				}
			}
		}
	   return 	record[length2][length1];
	}
	public static int max(int i,int j){
		return i>j?i:j;
	}
}

思路运用动态规划进行每一步对下一步的影响即最大序列的传递，通过二维数组进行存值，将每一阶段的权值保存在二维数组，当遍历至二维数组的底部时也就是求出最长的子序列的长度。