dp算法总结

最新推荐文章于 2025-02-12 11:51:22 发布

原创

最新推荐文章于 2025-02-12 11:51:22 发布 · 3.2k 阅读

本文深入探讨了动态规划(DP)算法的核心思想与应用实践，通过解析经典问题如最大上升子序列、最大公共子串及最大字段和，揭示了DP算法在解决复杂问题时的状态转移与递推特性。文章还分享了作者的学习感悟，强调了理解和应用DP算法的关键在于对问题本质的把握。

dp算法部分总结

个人感受：听了几次课做了几个题之后，觉得这个dp并不和之前的算法一样，是一种思想，要更加偏向于问题的分析，而代码只是表示问题解决的过程，虽然并没有做太多题，说实话，有时候根本想不出怎么进行状态转化，尽管看了题解也需要再花一些时间思考，并不容易理解透。先从简单入手，其实也是有最基本的模板类型的，比如最大上升子序列，最大公共子串等等，一些问题根本思想就是这个，只不过数据的处理要麻烦一些，比如有个题是数据的输出那个序号，还是没搞懂为什么那样做，总之，还是要继续体会，继续想，多动手写一写会比较好，有助于理解。

这类问题具体解决的时候还有个共性的东西，比如dp[i]表示前i个数据怎么样怎么样，然后再从这个具体展开所谓的状态改变

具体的就举几个自己掌握的模板例子吧

1.最大上升子序列问题
分析：要找最大的，那就先找出以dp[i]作为结尾的上升序列，再取最大值即可

int main()
{
   
     
 int n,sum;
 for(int i=1;i<=n;i++)
    dp[i]=1;
    for(int j=2;j<i;j++)
      if(a[j]<a[i])
        dp[i]=max(dp[i],dp[j]+1);
cout<<dp[i]<<endl;

2.最大公共子序列
思想：dp[i][j] 表示A的前i个和B的前j个相同的个数
转态转移方程：if(a[i]==b[j]) dp[i][j]=dp[i-1][j-1]+1;
else dp[i][j]=max(dp[i][j-1],dp[i-1][j])

3.最大字段和
思想：dp[i]表示前i个数据的字段和

#include<iostream>
using namespace std;
int main()
{
   
   
    int dp[100];
    int sum=-1;
    int a[6]={
   
   5

最低0.47元/天解锁文章