线性dp 总结详解

就是感觉之前 dp 的 blog 太乱了整理一下。

LIS(最长上升子序列)

例题

给定一个整数序列，找到它的所有严格递增子序列中最长的序列，输出其长度。

思路

拿到题目，大家第一时间想到的应该是 $\Theta (n^2)$ 的暴力(dp)做法：

#include <bits/stdc++.h>
using namespace std;
int a[maxn],dp[maxn];
int main(){int n;cin>>n;for(int i=1;i<=n;i++){cin>>a[i];dp[i]=1;}for(int i=1;i<=n;i++){for(int j=1;j<i;j++){if(a[j]<a[i])dp[i]=max(dp[i],dp[j]+1);}}int ans=-1;for(int i=1;i<=n;i++) ans=max(ans,dp[i]);cout<<ans<<endl;return 0;
}

其中， $dp_i$ 表示以 $a_i$ 为结尾的最长上升子序列的长度。而这，也就是 dp 的做法。当然，我们可以用用贪心+二分优化这个算法。这里就不详细展开说了，但是给出代码：

#include <bits/stdc++.h>
using namespace std;
int mn[maxn],a[maxn];
int binary_search(int a[],int r,int x){//二分查找,返回a数组中第一个>=x的位置int left=1;while(left<=right){int mid=(left+right)>>1;if(a[mid]<=x)left=mid+1;else right=mid-1;}return left;
}
int main(){int n;cin>>n;for(int i=1;i<=n;i++) {cin>>a[i];mn[i]=INF;//由于mn中存的是最小值,所以mn初始化为INF }mn[1]=a[1]; int ans=1;//初始时LIS长度为1 for(int i=2;i<=n;i++){if(a[i]>mn[ans])//若a[i]>=mn[ans]，直接把a[i]接到后面 mn[++ans]=a[i];else//否则，找到mn中第一个>=a[i]的位置mn[j],用a[i]更新mn[j] mn[binary_search(mn,ans,a[i])]=a[i];}cout<<ans<<endl; return 0;
}

时间复杂度： $\Theta(n\: log\: n)$

LCS(最长公共子序列)

例题:P1439

思路

考虑暴力:设两个字符串的长度为n和m,对于两个字符串的每个字符，我们可以选，也可以不选。得到两个子序列后，比较是否相同要 $max(n,m)$ ，所以时间复杂度 $\Theta(2^{n+m}+max(n,m))$ 。

所以还是老老实实 dp 吧。

令 $dp_{i,j}$ 表示字符串 s 的第 i 位和字符串 t 的第 j 位的LCS长度。

那么有两种情况:

$s_i=t_j$ :那么字符串 s 和字符串 t 的LCS长度就增加 1。
$s_i\neq t_j$ :那么字符串 s 和字符串 t 的LCS长度无法继续增加，等于 $max(dp_{i-1,j},dp_{i,j-1})$ 。

Code

#include <bits/stdc++.h>
using namespace std;
int dp[maxn][maxm];//dp[i][j]表示s的第i位和t的第j位的LCS 
int main(){string s,t;cin>>s>>t;for(int i=0;i<=s.size();i++) {dp[0][i]=0;dp[i][0]=0;}//初始化 for(int i=1;i<=s.size();i++){for(int j=1;j<=t.size();j++){if(s[i-1]==t[j-1])dp[i][j]=dp[i-1][j-1]+1;//相等就加1 elsedp[i][j]=max(dp[i-1][j],dp[i][j-1]);}//不相等就比较 }cout<<dp[s.size()][t.size()]<<endl;return 0;
}

LCIS(最长公共上升子序列)

例题:CF10D

思路

看到题目，第一反应就是先求 LCS，再求 LIS。

对于 $(a_i,b_j)$ 状态时 ,由于 dp 状态就决定了， $b_j$ 是一定作为这个状态下 LCIS 的结尾的，所以对于 $a_i$ ，就有两种情况，将其纳入LCIS或者不纳入。

$a_i\neq b_j$ -> $dp_{i,j}=dp_{i-1,j}$
$a_i=b_j$ -> $dp_{i,j}=dp_{i-1,j-1}$

然后用滚动数组优化一下就OK力。

Code

#include <bits/stdc++.h>
using namespace std;
int dp[maxn],a[maxn],b[maxn];
int main(){int n;cin>>n;for(int i=1;i<=n;i++)cin>>a[i];for(int i=1;i<=n;i++)cin>>b[i];int ans=0;for(int i=1;i<=n;i++){int tmp=0;for(int j=1;j<=n;j++){if(a[i]==b[j])dp[j]=max(dp[j],tmp+1);if(a[i]>b[j])tmp=max(tmp,dp[j]);        ans=max(dp[j],ans);}}cout<<ans<<endl;return 0;
}

字符串编辑距离

例题:P2758

思路

首先，如果 1 个字符串的长度为 0，那答案就是另一个字符串的长度。所以，我们令 $dp_{i,j}$ 表示

$a_{1...i}$ 转换为 $b_{1...j}$ 所需的最少操作次数。

也就是说: $dp_{0,j}=j$ ； $dp_{i,0}=i$ 。

接下来，继续思考，发现如果 $a_i=b_j$ ,那么相同，无需变化 $dp_{i,j}=dp_{i-1,j-1}$ 。

如果不相同， $dp_{i,j}=min(dp_{i-1,j-1},min(dp_{i-1,j},dp_{i,j-1}))+1$ 。

Code

#include <bits/stdc++.h>
using namespace std;
char a[maxn],b[maxn];
int dp[maxn][maxn];
int main(){int n;cin>>n;for(int i=1;i<=n;i++)cin>>a[i];for(int i=1;i<=n;i++)cin>>b[i];//极端情况for(int i=1;i<=strlen(a);i++)dp[i][0]=i;for(int j=1;j<=strlen(b);j++)dp[0][j]=j;for(int i=1;i<=strlen(a);i++){for(int j=1;j<=strlen(b);j++){if(a[i-1]==b[j-1])//相同时距离不变dp[i][j]=dp[i-1][j-1];else//不同时取三个位置的最小值再+1dp[i][j]=min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]))+1;}}cout<<dp[strlen(a)][strlen(b)]<<endl;return 0;
}

最大子序列和

例题

对于给定序列，寻找它的连续的最大和子数组。

思路

非常简单，你只需要比较一下 $a_i$ 和 $dp_{i-1}+a_i$ 的大小就可以了。

Code

#include <bits/stdc++.h>
using namespace std;
int a[maxn],dp[maxn];
int main(){int n;cin>>n;for(int i=1;i<=n;i++)cin>>a[i];int ans=-inf;for(int i=2;i<=n;i++){dp[i]=max(dp[i-1]+a[i],a[i]);ans=max(ans,dp[i]);}cout<<ans<<endl;return 0;
}

数字三角形

例题

给出一个数字三角形，现在要从左上角走到第 i 行第 j 列，每一步只能走到相邻的结点，求经过的结点的最大数字和。

思路

非常简单，易得状态转移方程: $dp_{i,j}=a_{i,j}+max(dp_{i-1,j},dp_{i-1,j-1})$ 。

Code

#include<bits/stdc++.h>
using namespace std;
int a[maxn][maxn],dp[maxn][maxn];
int main(){int n;cin>>n;for(int i=1;i<=n;i++){for(int j=1;j<=i;j++){cin>>a[i][j];dp[i][j]=a[i][j];}}for(int i=n-1;i>=1;i--){for(int j=1;j<=i;j++)dp[i][j]+=max(dp[i+1][j],dp[i+1][j+1]);}cout<<dp[1][1]<<endl;return 0;
}

最大子矩阵和

例题

给定一个n行m列的整数矩阵，现在要求一个子矩阵，使其各元素之和为最大。输出这个和。

思路

首先，我们知道这个矩阵最后肯定在第i行和第j行之间。所以，我们用一个数组记录这第 i 行到第 j 行的每一列的和（这句话可能有点绕，可以多读几遍）。然后，第 i 行到第 j 行的最大子矩阵和就是这个数组的最大子段和。

Code

#include <bits/stdc++.h>
using namespace std;
int a[maxn][maxn];
int sum[maxn];//表示i-j行对应列元素的和
int main(){int n;cin>>n;for(int i=0;i<n;i++){for(int j=0;j<n;j++)cin>>a[i][j];}int ans=-INF;for(int i=0;i<n;i++){memset(sum,0,sizeof(sum));for(int j=i;j<n;j++){//下面是针对数组sum求最大子段和的动态规划算法int tmp=0;for(int k=0;k<n;k++){sum[k]+=a[j][k];tmp+=sum[k];if(tmp<0)tmp=sum[k];ans=max(tmp,ans);}}}cout<<ans<<endl;return 0;
}