动态规划-初级

  上一章动态规划入门给了一个非常简单的例子。现在我们讨论更加复杂的问题，如何找到状态之间的转移方程。还是举一个直观的例子：
  一个序列有$N$个数，分别为$A[1],A[2],\cdots,A[N]$，求出最长非降子序列的长度。根据第一章我们讲的，我们首先要定义一个“状态”来代表它的子问题，并且找到它的解。正常情况下，某个状态只与它之前的状态有关，而与其后来的状态无关。我们沿用动态规划入门中的思路来一步步找到“状态”和“状态转移方程”。我们可以先假设求$A[1],A[2],\cdots,A[i]$的最长非降子序列的长度，其中$i<N$，那么上面的问题就变成原问题的一个子问题（问题规模变小了，可以让$i=1,2,3$等来分析）。然后我们定义$d(i)$，表示以$A[i]$结尾的最长非降子序列的长度。对照动态规划入门中的例题，我们可以知道$d(i)$既是我们要找的状态。例如我们把$d(1)$到$d(N)$都算出来，那么最终我们要找的答案就是其中最大的那个。状态已经找到了，下一步就是找状态转移方程。
  假设我们要找的$N$个数序列如下所示：

———-
$5,3,4,8,6,7$
———-
根据上面的状态，我们可以得到：

1. 前$1$个数的LIS长度$d(1)=1$（序列：5）
2. 前$2$个数的LIS长度$d(2)=1$；（序列：3）
3. 签$3$个数的LIS长度$d(3)=2$；（序列：3，4；4前面比它小的3，所以$d(3)=d(2)+1$）
4. 前$4$个数的LIS长度$d(4)=3$；（序列：3，4，8；8前面比它小的数有 3个，所以$d(4)=max\{d(1),d(2),d(3)\}+1=3$）

分析到这，状态方程已经可以得到。如果我们已经求出$d(1)$到$d(i-1)$，那么$d(i)$可以用下面的状态转移方程得到：

$$d(i)=max(1,d(j)+1),其中j<i,A[j] \le A[i]$$
  简单的说就是，想要求 $d(i)$,就把前面的各个子序列中，最后一个数不大于 $A[i]$的序列长度加1，然后取出最大的长度即为 $d(i)$。当然，也有可能前面的各个子序列中最后一个数都大于 $A[i]$，那么 $d(i)=1$，即它自身称为一个长度为1的子序列。此时，我们可以得到上面例子中最大子序列如下图所示

  下面我们用python代码来实现最长子序列问题的求解。

def LIS(A, n):
    d = []
    max_len = 1
    for i in range(n):
        d[i]=1
        for j in range(i):
            if A[j] <= A[i] && d[j] + 1 > d[i]:
                d[i] = d[j] + 1
            if d[i] > max_len:
                max_len = d[j]
    return max_len