概念:

动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法。

动态规划是通过拆分问题,定义问题状态和状态之间的关系使得问题能够以递推(或者说分治)的方法去解决。

解决策略:

1)最优化原理:如果问题的最优解包含的子问题的解也是最优的,就称该问题又最有子结构,既满足最优化原理。

2)无后效性:某阶段状态一旦确定,就不受这个状态以后的决策影响。也就是说,某状态以后的过程不会影响以前的状态,至于当前状态有关。

3)有重叠子问题:即子问题之间不是独立的,一个字问题在下一阶段决策中可能多次被用到。(该性质并不是动态规划的必要条件,但如果没有这条性质,

  动态规划算法和其他算法相比就不具备优势)

解决问题步骤:

1.拆分问题

    把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决,原问题即解决(数字三角形例)。

   子问题的解一旦求出就会被保存,所以每个子问题只需求 解一次。

2.找状态(初始值)

    在用动态规划解题时,我们往往将和子问题相关的各个变量的一组取值,称之为一个“状 态”。一个“状态”对应于一个或多个子问题, 所谓某个“状态”下的“值”,就是这个“状 态”所对应的子问题的解。

    所有“状态”的集合,构成问题的“状态空间”。“状态空间”的大小,与用动态规划解决问题的时间复杂度直接相关。

   整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次,且在每个状态上作计算所花的时间都是和N无关的常数。

  还需要确定一些(初始状态)边界状态的值。

3.状态转移方程

其实动态规划就好比中学时候学的通项公式,找到这个通项公式之后每次递推就可以取得最后的结果。

用动态规划能写的题基本上用递归的方法都可以。

  递归到动规的一般转化方法

     递归函数有n个参数,就定义一个n维的数组,数组的下标是递归函数参数的取值范围,数组元素的值是递归函数的返回值,这样就可以从边界值开始, 逐步填充数组,相当于计算递归函数值的逆过程。

  

 1.最长上升子序列

  子序列:字符的子序列指的是从给定的字符序列中随意的(不一定连续)的曲调若干个字符(也可能一个也不去掉)最后形成的字符序列。

 eg:

给你一个长度为n的序列,求其最长上升子序列。

//*****LIS

#include<bits/stdc++.h>
using namespace std;
int a[10010];
int dp[10010];
int main()
{
  int n;

  while(cin>>n&&n)
  {
  for(int i=0;i<n;i++)
  {
    cin>>a[i];
    dp[i]=1;
  }
  int ans=0;
  for(int i=1;i<n;i++)
  {
    for(int j=0;j<i;j++)
      if(a[j]<a[i])
        dp[i]=max(dp[j]+1,dp[i]);
  
    ans=max(ans,dp[i]);
  }
   cout<<ans<<endl;
  }
  return 0;
}

//2 5 3 7 4 2

推荐题目链接:http://acm.nyist.edu.cn/JudgeOnline/problem.php?pid=17

2.求最长上升子序列的长度

//*****LIS nlogn

#include<bits/stdc++.h>
using namespace std;
const int INF=9999999;
int dp[100];//dp[i]表示长度为i+1的子序列末尾元素最小值;
int a[100];
int main()
{
  int n;
  while(cin>>n&&n)
  {
  for(int i=0;i<n;i++)
  {
    cin>>a[i];
    dp[i]=INF;
  }
  for(int i=0;i<n;i++)
    *lower_bound(dp,dp+n,a[i])=a[i];//找到>=a[i]的第一个元素,并用a[i]替换;
  

  cout<<lower_bound(dp,dp+n,INF)-dp<<endl;//找到第一个INF的地址减去首地址就是最大子序列的长度;
  }
  return 0;

}

/*
2 1 5 3 6 4 8 9 7
1 3 4 7 9
1 2 3 4 5
1 3 4 7 9
*/

3.最长公共子序列

题目链接:http://acm.nyist.edu.cn/JudgeOnline/problem.php?pid=36

大意:给两个字符串,要求求出最长的公共子序列,求出的公共子序列在每个给定的字符串中可不连续

//*******LCS

#include<bits/stdc++.h>
using namespace std;

string s1,s2,s3;
][];
int len1,len2;
int main()
{
    while(cin>>s1>>s2)
    {
        memset(dp,,sizeof(dp));
        len1=s1.length();
        len2=s2.length();
        ; i<len1;i++)
            ; j<len2;j++)
            {
                if(s1[i]==s2[j])
                    dp[i+][j+]=dp[i][j]+;
                else
                    dp[i+][j+]=max(dp[i+][j],dp[i][j+]);
            }
        cout<<dp[len1][len2]<<endl;
    }
    ;
}

最后推荐两个写dp的博客:

https://blog.csdn.net/baidu_28312631/article/details/47418773

https://blog.csdn.net/baidu_28312631/article/details/47426445

一:线性dp的更多相关文章

  1. LightOJ1044 Palindrome Partitioning(区间DP+线性DP)

    问题问的是最少可以把一个字符串分成几段,使每段都是回文串. 一开始想直接区间DP,dp[i][j]表示子串[i,j]的答案,不过字符串长度1000,100W个状态,一个状态从多个状态转移来的,转移的时 ...

  2. Codeforces 176B (线性DP+字符串)

    题目链接: http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=28214 题目大意:源串有如下变形:每次将串切为两半,位置颠倒形成 ...

  3. hdu1712 线性dp

    //Accepted 400 KB 109 ms //dp线性 //dp[i][j]=max(dp[i-1][k]+a[i][j-k]) //在前i门课上花j天得到的最大分数,等于max(在前i-1门 ...

  4. 动态规划——线性dp

    我们在解决一些线性区间上的最优化问题的时候,往往也能够利用到动态规划的思想,这种问题可以叫做线性dp.在这篇文章中,我们将讨论有关线性dp的一些问题. 在有关线性dp问题中,有着几个比较经典而基础的模 ...

  5. POJ 2479-Maximum sum(线性dp)

    Maximum sum Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 33918   Accepted: 10504 Des ...

  6. poj 1050 To the Max(线性dp)

    题目链接:http://poj.org/problem?id=1050 思路分析: 该题目为经典的最大子矩阵和问题,属于线性dp问题:最大子矩阵为最大连续子段和的推广情况,最大连续子段和为一维问题,而 ...

  7. nyoj44 子串和 线性DP

    线性DP经典题. dp[i]表示以i为结尾最大连续和,状态转移方程dp[i] = max (a[i] , dp[i - 1] + a[i]) AC代码: #include<cstdio> ...

  8. 『最大M子段和 线性DP』

    最大M子段和(51nod 1052) Description N个整数组成的序列a[1],a[2],a[3],-,a[n],将这N个数划分为互不相交的M个子段,并且这M个子段的和是最大的.如果M &g ...

  9. 『最长等差数列 线性DP』

    最长等差数列(51nod 1055) Description N个不同的正整数,找出由这些数组成的最长的等差数列. 例如:1 3 5 6 8 9 10 12 13 14 等差子数列包括(仅包括两项的不 ...

  10. cf909C 线性dp+滚动数组好题!

    一开始一直以为是区间dp.. /* f下面必须有一个s 其余的s可以和任意f进行匹配 所以用线性dp来做 先预处理一下: fffssfsfs==>3 0 1 1 dp[i][j] 表示第i行缩进 ...

随机推荐

  1. 20145301《网络对抗》Exp2 后门原理与实践

    20145301<网络对抗>Exp2 后门原理与实践 基础问题回答 例举你能想到的一个后门进入到你系统中的可能方式? 系统或者某些软件自身留下的后门. 钓鱼网站等非正规网站上捆绑下载 例举 ...

  2. VS中子对话框的关闭回调函数

    新建了QDialog的子类时,如果需要回调它的关闭函数 1.加入头文件#include <QCloseEvent> 2.重写函数 protected: void closeEvent(QC ...

  3. linux内核启动时报错ubi0 error: validate_ec_hdr: bad VID header offset 256, expected 64

    1.详细错误报告如下: ubi0 error: validate_ec_hdr: bad VID header offset 256, expected 64 ubi0 error: validate ...

  4. linux中find与rm实现查找并删除目录或文件

    linux 下用find命令查找文件,rm命令删除文件. 删除指定目录下指定文件find 要查找的目录名 -name .svn |xargs rm -rf 删除指定名称的文件或文件夹: find -t ...

  5. SRM 585 DIV2

    250pt: 一水... 500pt:题意: 给你一颗满二叉树的高度,然后找出出最少的不想交的路径并且该路径每个节点只经过一次. 思路:观察题目中给的图就会发现,其实每形成一个 就会存在一条路径. 我 ...

  6. JAVA异常处理机制分析(上)

    过去曾有一段时间关于java的异常处理机制曾经让我吃尽苦头,异常机制看似简单,原理,用法也仅仅如此,但是,用起来或是在使用一些框架的时候总会因为使用不当,造成灾难性后果. jdk异常处理机制     ...

  7. 自行申请德国的VAT号码?

    我在香港/大陆地区,是否可以自行申请德国的VAT号码? 德国联邦税务局按照不同国家申请人划分成不同申请办公室,以下为德国联邦税务局负责中国境内申请人的办公室地址及联络方式: FINANZAMT BER ...

  8. 使用Bootstrap插件datapicker获取时间

    引入css和js <link rel="stylesheet" href="/${appName}/commons/css/datapicker/datepicke ...

  9. uva11149矩阵快速幂

    求A+A^1+...+A^n 转换一下变成|A  E|,的n+1次方就是|A^(n+1)  A^n+...+A+E| |0  E|                       |    0       ...

  10. 去掉Firefox的标题栏

    Linux Mint里,火狐的标题栏很不美观,不过火狐可是出名的的“可定制”,Hide Caption扩展拖拖地满足你的要求,简直不能再好! 献上链接: https://addons.mozilla. ...