动态规划dp（c++）举例详解

一.dp

1.1核心：dp转移方程

1.2数据结构：int dp[][]

1.3步骤：

dp数组初始化、dp转移方程、dp[n-1][n-1]

1.4优化

空间优化（二维->一维）

1.5 example

①斐波那契数列

递归解法：

int fib(int n){

if(n==1 || n==2) return 1;

return (fib(n-1)+fib(n-2));

}

dp解法：

int fib(int n){

int dp[100];

dp[0]=1;

dp[1]=1;

for(int i=2;i<=n;i++)

dp[i]=dp[i-1]+dp[i-2];

return dp[n];

}

②01背包

0.dp[i][j]:当前可以选择的背包有i个，有j元钱，可以得到的最大化效益是多少

1.初始化 dp[0][i]=j>c[0]?w[0]:0;   

2.状态转移方程：

if(j>=c[i]) dp[i][j]=max(dp[i-1][j],dp[i-1][j-c[i]]+w[i]);

else dp[i][j]=dp[i-1][j];

3.ans：ans=dp[n-1][n-1]

4.优化：一维数组，i:n->c[i]

③最长公共子序列

1.dp[i][j]:Xi和Yj的最长公共子序列

2.状态转换方程：if(xi==yi) dp[i][j]=dp[i-1][j-1]+1; else dp[i][j]=max(dp[i-1][j],dp[i][j-1]);

3.ans:dp[n-1][m-1]

④最长递增子序列

1.dp[i]:以数组下标为i的值为子序列最后一个元素的序列中，最长自增子序列的长度

2.状态转换方程：dp[i]=-1; for j in (0,i) if(num[i]>num[j]) dp[i]=max{dp[i],dp[j]}; dp[i]++;

1.6特性

子问题的重叠性、求解的是最优子结构、可以与递归相互转化，但是递归效率低、