分享经典的动态规划问题

Posted 2020-12-08 kentkit

摘要：本系列最后一篇训练线性动规的基本套路的随笔，后面进阶更高级的动规类型入门（树形动规、区间动规、背包动规等）.

1.正文：以下主要通过几道典型的例题再训练一下线性动规的做法。

复习一下：

　　（1）题意分析；

　　（2）基于分析数学建模；

　　（3）判定是否可以符合使用动规的两大前置条件（最优子结构和无后效性），是则下一步，否则终止（非动规可以解决的问题，另寻他法）；

　　（4）动规基本三步曲：

　　　　1）结合题意根据模型选择计算出比较合适的状态转移方程，归约初始的状态值，推导出终止（最终收敛）条件；

　　　　2）迭代验证；

　　　　3）选择合适的迭代次序实现状态转移方程的迭代和收敛；

　　（5）编程实现。

2.题目：

　　上一篇是“子数组类”的例题给出“子数组”的定义：对于给定数组a[0..n]，其中a[i..j]（0<=i<=j<=n）为该数组的子数组；

　　本篇类似地，有“子序列类”的例题给出“子序列”的定义：对于给定数组a[0..n]，其中(a[i],..,a[j])(0<=i,..,j<=n且a[i]≠..≠a[j])为数组a的一组子序列；

　　显然，子序列与子数组共同点在于都是有顺序要求（按数组元素排列顺序），区别在于子序列允许元素间不相邻，子数组必须相邻（连续性）。

3.输入输出示例：

1.最长公共子序列

输入：

[2, 1, 4, 3, 5, -1, 8]

输出：　　

8

2.最长递增子序列：

输入：

[2, 1, 4, 3, 5, -1, 8]

输出：　　4

 

4.例程：　

package com.algorithm;

/**
 * 子序列类问题
 * 1.最长公共子序列；
 * 2.最长递增子序列；
 * 3.最长路径问题（明天会在评论附上）
 */
public class DynamicProgrammingSolution {

    /**
     * 1.最长公共子序列
     * a.建模？不需要
     * b.定义max[i][j]为a[0..i]b[0..j]的最长公共子序列长度，显然状态转移方程有：
     * max[i][j] = max{max[i - 1][j], max[i][j - 1], max[i -1][j -1] + (a[i] == b[j] ? 1 : 0)}
     * max = max{max[i][j]}
     * 初始值为：max[0][j] = a[0] == b[j] ? 1:0 , 终止条件是遍历完成。
     * @param a
     * @param b
     * @return
     */

private static int maxLenCommonSubSequence(int[] a, int[] b) {
    if (null == a || null == b) {
        return  -1;
    }
    int[][] max = new int[a.length][b.length];
    int maxLen = 0;
    for (int i = 0; i < a.length; i++) {
        for (int j = 0; j < b.length; j++) {
            if (a[i] == b[j]) {
                max[i][j] = 1;
            }
            if (i > 0 && j > 0) {
                max[i][j] += max[i - 1][j - 1];
            }
            if (i > 0) {
                max[i][j] = Math.max(max[i][j], max[i - 1][j]);
            }
            if (j > 0) {
                max[i][j] = Math.max(max[i][j], max[i][j - 1]);
            }
            maxLen = Math.max(maxLen, max[i][j]);
        }
    }
    return maxLen;
}

    /**
     * 2.最长递增子序列
     * a.建模？不需要
     * b.max[i]定义为a[i]为末尾元素的子序列中最长的递增子序列，故有方程：
     * max[i] = max{max[k]{a[k] < a[i]}}{k:0..i-1};
     * max = max{max[i]}
     * 初始值为max[i] = 1, 终止条件是正向迭代计算完成。
     * @param a
     * @return
     */

private static int maxIncrementSubSequence(int[] a) {
    if (null == a) {
        return -1;
    }
    int maxLen = 0;
    int[] max = new int[a.length];
    for (int i = 0; i < a.length; i++) {
        //初始时a[i]本身就是一个递增序列
        max[i] = 1;
         //计算a[i]之前符合a[k]比a[i]小的最大的递增序列
        int leftMax = 0;
        for (int k = 0; k < i; k++) {
            if (a[k] < a[i]) {
                leftMax = Math.max(max[k], leftMax);
            }
        }
        //得到最终的迭代值
        max[i] += leftMax;
        //比较大小获取最大值
        maxLen = Math.max(maxLen, max[i]);
    }
    return maxLen;
}

public static void main(String[] strings) {
    int[] ints = {2, 1, 4, 3, 5, -1, 8};
    int[] int2 = {2, 1, 4, 3, 5, 2, 8};
    System.out.println(maxIncrementSubSequence(ints));
    System.out.println(maxLenCommonSubSequence(ints, int2));
}

}

与上篇是兄弟篇，同样上述题目都已经建好模了，都是经典例题，比较简单，不再赘述，不懂的地方请认真看看注释能否释疑，有问题欢迎留言。

5.总结：

 事实上，“子数组”、“子序列”这两个概念在数组类的题目有着挺高的曝光率，很多经典的题型都有它们的身影，建议初学者一定要区分好这两个概念。另外，这是近期最后一篇线性动规的归档，后面将进入树形动规的入门，希望有问题可以多多交流。