DP第一场.ppt

DP 第一场 一. 数字三角形 1. 问题描述 2. 能否贪心？ 3. 递归求解 4. 递归直接求解存在的问题 5. 记忆化求解 int solve(int i, int j) { if(dp[i][j] = 0) { return dp[i][j]; } else if(i == n) { return dp[i][j] = a[i][j]; } else { return dp[i][j] = max(solve(i+1,j), solve(i+1,j+1)) + a[i][j]; } } 6. 课后练习 利用记忆化求解斐波那契数列第45项？ 7. 递推计算（动态规划） for(j=1; j=n; j++) dp[n][j] = a[n][j]; for(i=n-1; i=1; i--) for(j=1; j=i; j++) dp[i][j] = a[i][j] + max(dp[i+1][j], dp[i+1][j+1]); 8. DP解题思路 （1）找子问题 dp[i][j]：a[i][j]到第n层的最大值。 （2）自顶向下分析，自底向上求解。注意边界。 （3）DP的有效性：重叠子问题 （4）DP vs 分治 vs 贪心 （5）最优子结构（最优化原理）：一个最优化策略的子策略总是最优的。 （6）不满足最优子结构则无法利用dp求解，为什么？ 8. DP解题思路（续） （7）重新寻找子问题 dp[i]：a[1][1]到第i层的最大值 满足最优子结构性质吗？ 例如： 1 2 5 10 3 4 二、最大连续子序列和 1. 问题描述 给定一个长度为n的序列a[1],a[2]...a[n-1],a[n]，求一个连续的子序列a[i],a[i+1]...a[j-1],a[j]，使得a[i]+a[i+1]...a[j-1]+a[j]最大。 2. 常见解法回顾 （1）暴搜（ O(n3) ） （2）先预处理，再暴搜（ O(n2) ） （3）分治（ O(nlogn) ） 3. 动态规划法 （1）第一种子问题 dp[i]：前i个元素的最大连续子序列和 能否求解？ 　　 3. 动态规划法（续） （2）第二种子问题 dp[i]：以a[i]结尾的最大连续子序列和 （3）子问题跟原问题一致否？ （4）dp[i] = ？？ 3. 动态规划法（续） （4） dp[i] = max(a[i], dp[i-1] + a[i]) 3. 动态规划法（续） （5）若dp[i]：以a[i]为起点的最大连续子序列和。 能求解吗？ 三、最长上升子序列 LIS 1. 问题描述 给出一个序列a1,a2,a3,a4,a5,a6,a7....an,求它的一个子序列（设为s1,s2,...sn），使得这个子序列满足这样的性质，s1s2s3...sn并且这个子序列的长度最长。输出这个最长的长度。 2. 寻找子问题 （1）类似最大连续子序列和？哪里不同？ 2. 寻找子问题（续） （2）dp[i]：a1,a2,a3....ai 的LIS 则原问题就是dp[n]。 能求解吗？ 2. 寻找子问题（续） （3）重新定义子问题（类似最大子序列和） dp[i]：以ai结尾 的最长上升子序列 这样定义有何优势？ 状态转移方程呢？ 2. 寻找子问题（续） （4）状态转移方程 dp[i] = max{0, dp[j] | j i, aj ai} + 1 2. 寻找子问题（续） （5）dp[i] = max{0, dp[j] | j i, aj ai} + 1 dp[1] = 1; for(i=2; i=n; i++) { maxn = 0; for(j=1; ji; j++) { if(a[j] a[i]) { maxn = max(maxn, dp[j]); } } dp[i] = maxn + 1; } 四、最长公共子序列LCS 1. 问题描述 给定两个序列X(x1,x2,x3…xm)和Y(y1, y2, y3…yn)，求长度最大的公共子序列的长度。 例如：1,5,2,6,8,7 和 2,3,5,6,9,8,4 的LCS为5,6,8（另一个解是2,6,8） 2. 寻找子问题 设序列X=x1, x2, …, xi和Y=y1, y2, …, yj的