动态规划算法典型问题

1. 什么是动态规划？
         和分治法一样，动态规划（dynamicprogramming）是通过组合子问题而解决整个问题的解。
         分治法是将问题划分成一些独立的子问题，递归地求解各子问题，然后合并子问题的解。
         动态规划适用于子问题不是独立的情况，也就是各子问题包含公共的子子问题。
         此时，分治法会做许多不必要的工作，即重复地求解公共的子问题。动态规划算法对每个子问题只求解一次，将其结果保存起来，从而避免每次遇到各个子问题时重新计算答案。
2. 动态规划算法的设计
两种方法：
         自顶向下（又称记忆化搜索、备忘录）：基本上对应着递归函数实现，从大范围开始计算，要注意不断保存中间结果，避免重复计算
         自底向上（递推）：从小范围递推计算到大范围
动态规划的重点：
         递归方程+边界条件
3. 爬楼梯问题
         一个人每次只能走一层楼梯或者两层楼梯，问走到第80层楼梯一共有多少种方法。
         设DP[i]为走到第i层一共有多少种方法，那么DP[80]即为所求。很显然DP[1]=1, DP[2]=2（走到第一层只有一种方法：就是走一层楼梯；走到第二层有两种方法：走两次一层楼梯或者走一次两层楼梯）。同理，走到第i层楼梯，可以从i-1层走一层，或者从i-2走两层。很容易得到：
         递推公式：DP[i]=DP[i-1]+DP[i-2]
         边界条件：DP[1]=1   DP[2]=2
         (a)自顶向下的解法：

[cpp]  view plain copy

1. long long dp[81] = {0};/*用于保存中间结果 
2. 否则会重复计算很多重复的子问题*/  
3. long long DP(int n)  
4. {  
5.     if(dp[n])  
6.         return dp[n];  
7.     if(n == 1)  
8.         return 1;  
9.     if(n == 2)  
10.         return 2;  
11.     dp[n] = DP(n-1) + DP(n-2);  
12.     return dp[n];     
13. }  

         (b)自底向上的解法：

[cpp]  view plain copy

1. int i;  
2. long long dp[81]; /* 注意当n超过75时，结果值将超过int范围 */  
3. dp[1] = 1;  
4. dp[2] = 2;  
5. for(i=3; i <= 80; i++)  
6.     dp[i] = dp[i-1] + dp[i-2];  

4. 最长上升子序列
         对于序列：4 1 2 24，它的最长上升子序列是1 2 4，长度为3。
         对于序列：4 2 4 25 6，它的最长上升子序列是2 4 5 6，长度为4
         设a[i]表示原序列，设DP[i]表示以第i个数结尾的最长上升序列的长度，那么很显然想导出DP[i]的值，需要在DP[k](1<=k<i)中找出满足a[k]<a[i]最大的一项。假设第kk项是我们找到的答案，那么第i个数就可以接在第kk个数之后，成为以第i个数结尾的最长升序列。如果没有找到答案，换言之第i个数比前面的数都要小，那么DP[i]=1，也即生成了从自己开始又以自己结尾的最长升序列。综上，我们很容易得出：
         递推公式：DP[i]=max(DP[k]+1,DP[i])  1<=k<i
         边界条件：DP[i]=1                   1<=i<=n
         算法复杂度为O(n^2)

[cpp]  view plain copy

1. void RiseSequence(int Array[], int num)  
2. {  
3. #define MAX_LENGTH  30  
4.     struct  
5.     {  
6.         int SequenceValue;  /* max length ending with this num */  
7.         int PreviousIndex;  /* record the previous number */  
8.     }ArrayInfo[MAX_LENGTH], temp;  
9.     int i;  
10.     for(i = 0; i < num; i++)  
11.     {  
12.         int j;  
13.         ArrayInfo[i].SequenceValue = 1;  
14.         ArrayInfo[i].PreviousIndex = -1;  
15.         for(j = 0; j < i; j++)  
16.         {  
17.             if(Array[j] < Array[i] && (ArrayInfo[j].SequenceValue + 1 > ArrayInfo[i].SequenceValue))  
18.             {  
19.                 ArrayInfo[i].SequenceValue = ArrayInfo[j].SequenceValue + 1;  
20.                 ArrayInfo[i].PreviousIndex = j;  
21.             }  
22.         }  
23.     }  
24.     temp.SequenceValue = ArrayInfo[0].SequenceValue;  
25.     for(i = 1; i < num; i++)  
26.     {  
27.         if(temp.SequenceValue < ArrayInfo[i].SequenceValue)  
28.         {  
29.             temp.SequenceValue = ArrayInfo[i].SequenceValue;  
30.             temp.PreviousIndex = i;  
31.         }  
32.     }  
33.     for(i = 0; i < temp.SequenceValue; i++)  
34.     {  
35.         printf("%d  ", Array[temp.PreviousIndex]);  /* in reverse order */  
36.         temp.PreviousIndex = ArrayInfo[temp.PreviousIndex].PreviousIndex;  
37.     }  
38.     printf("\nthe max rising sequence length is %d\n", temp.SequenceValue);  
39. }  

5. 最长公共子序列
         给定两个序列X和Y，称序列Z是X和Y的公共子序列如果Z既是X的一个子序列，又是Y的一个子序列。例如，如果X={a,b,c,b,d,a,b} Y={b,d,c,a,b,a} 那么序列{b,c,a}就是X和Y的一个公共子序列，但是它并不是X和Y的最长公共子序列，因为它的长度为3。而同为X和Y公共子序列的{b,c,b,a}，长度为4，因为找不到长度为5或更大的公共子序列，所以X和Y的最长公共子序列长度就为4。
         假设两个序列数组分别为a，b。定义f(i,j)为计算到a数组第i个数、b数组第j个数时所得到的最长公共子序列的长度。这时有两种情况：
         1.假如a[i]=b[j]，那么f(i,j)=f(i-1,j-1)+1
         2.假如a[i]!=b[j]，那么f(i,j)=max(f(i-1,j),f(i,j-1))
         边界条件为：f(i,0)=0     1<=i<=len(a)
                               f(0,j)=0     1<=j<=len(b)
         算法复杂度：O(n^2)，len(a)表示数组a的长度。