2018暑假DP专题讲解-ChenCui.pptVIP

DP概述 举例说明 题目描述 给出一段序列，选出其中连续且非空的一段使得这段和最大。 输入输出样例 输入样例#1： 7 2 -4 3 -1 2 -4 3 输出样例#1： 4 DP概述 暴力求解？ 枚举起点终点，再扫描一遍。 时间复杂度O（n^3） 空间复杂度O（n） 显然这样很费时，很不优美 DP概述 暴力求解？ 枚举起点终点，再扫描一遍。 时间复杂度O（n^3） 空间复杂度O（n） 显然这样很费时，很不优美 动态规划求解？ 重叠子问题：区间求和每次都要从左到右扫一遍，然而求和时每个位置上的数被算了很多遍，因此可以 用前缀和维护代替扫描线。 最优化结构：当确定一个区间右端点时，区间左端点的最优解应为前缀和最小的那一个。而且前缀和最 小可以动态维护 后效性：每次确定右端点计算最优值是独立进行的 DP概述 步骤： 1、确定DP状态 * dp[i] 表示右端点在i号位置的最优解 * sum[i] 表示前i项的前缀和 * min[i] 表示前i项前缀和的最小值 2、确定状态转移方程 * dp[i] = sum[i] - min[i-1] 3、初始化并迭代转移 * 初始化sum数组，利用sum数组初始化min数组 *一遍循环计算dp数组 4、确定最终结果 dp数组中的最小值即为答案 02 线型DP 线型DP 定义：线性动态规划是指目标函数为特定变量的线性函数，约束是这些变量的线性不等式或等式，目的 是求目标函数的最大值或最小值。 线型DP 定义：线性动态规划是指目标函数为特定变量的线性函数，约束是这些变量的线性不等式或等式，目的 是求目标函数的最大值或最小值。 例1：最长上升序列问题（LIS） 问题描述： 设有序列B为B1，B2，B3……Bn，若存在下标i1i2i3……in,且Bi1Bi2Bi3……Bin，则序列B中 有长度为n的上升序列Bi1，Bi2，Bi3，……Bin。求给定一序列中的最长上升序列长度及该序列个数。 样例输入： 11 1 5 3 4 6 5 8 10 9 8 7 样例输出： 6 4 线型DP 分析： ①设f(i)是前i个数中以Bi结尾的最长上升序列的长度，则f(i)=max(f(j)+1), (1=ji=n,BjBi),边界为f(1)=1; ②设t(i) 是前i个数中所有最长上升序列的个数，初始t(i)=1,如果f(i)=n时，将t(i)累加。 ( 1=ji=n , BiBj , f(i)=f(j)+1 ) 时间复杂度O(n^2) 空间复杂度O(n) 贪心加二分？？？ 线型DP 例2：最长公共子序列问题(LCS) 对于集合S = {a[1]、a[2]、a[3]……a[n]}，如果存在集合S = {a[i]、a[j]、a[k]……}，对于下标i、j、k……满 足严格递增，那么称S是S的一个子序列。(不难看出线性dp中的问题是基于集合元素的有序性的)那么现在 给出两个序列A、B，它们最长的公共子序列的长度是多少呢？ 样例输入： 5 6 5 4 6 2 1 4 5 2 6 3 1 样例输出： 3 线型DP 1、将整个问题给子问题化，设置二维数组dp[i][j]用于表示以A序列第i个元素为终点、以B序列第j个元素为终点 的两个序列最长公共子序列的长度。 2、建立状态转移方程 分段分析： 如果a[i] = b[j]，显然这里我们基于dp[i-1][j-1]的最优情况，加1即可。即dp[i][j] = dp[i-1][j-1] + 1。 如果a[i] != b[j]，dp[i][j] = max(dp[i-1][j] , dp[i][j-1])。 我们将两种情况综合起来。 for i 1 to len(a) for j 1 to len(b) if(a[i] == b[j]) dp[i][j] = dp[i-1][j-1] + 1 else dp[i][j] = max(dp[i-1][j] , dp[i][j-1]) 3、时间复杂度O(n^2) 空间复杂度O(n) 线型