【十】【C语言\动态规划】376. 摆动序列、673. 最长递增子序列的个数、646. 最长数对链，三道题目深度解析

动态规划

动态规划就像是解决问题的一种策略，它可以帮助我们更高效地找到问题的解决方案。这个策略的核心思想就是将问题分解为一系列的小问题，并将每个小问题的解保存起来。这样，当我们需要解决原始问题的时候，我们就可以直接利用已经计算好的小问题的解，而不需要重复计算。

动态规划与数学归纳法思想上十分相似。

数学归纳法：

  1. 基础步骤（base case）：首先证明命题在最小的基础情况下成立。通常这是一个较简单的情况，可以直接验证命题是否成立。

  2. 归纳步骤（inductive step）：假设命题在某个情况下成立，然后证明在下一个情况下也成立。这个证明可以通过推理推断出结论或使用一些已知的规律来得到。

通过反复迭代归纳步骤，我们可以推导出命题在所有情况下成立的结论。

动态规划：

  1. 状态表示：

  2. 状态转移方程：

  3. 初始化：

  4. 填表顺序：

  5. 返回值：

数学归纳法的基础步骤相当于动态规划中初始化步骤。

数学归纳法的归纳步骤相当于动态规划中推导状态转移方程。

动态规划的思想和数学归纳法思想类似。

在动态规划中，首先得到状态在最小的基础情况下的值，然后通过状态转移方程，得到下一个状态的值，反复迭代，最终得到我们期望的状态下的值。

接下来我们通过三道例题，深入理解动态规划思想，以及实现动态规划的具体步骤。

376. 摆动序列 - 力扣（LeetCode）

题目解析

状态表示

状态表示一般通过经验+题目意思得到。

经验是指以某个位置为结尾或者以某个位置为开始。

我们可以很容易定义这样一个状态表示，定义dp[i]表示以i位置元素为结尾的子序列中，最长的摆动序列长度。

我们可以尝试推导一下状态转移方程。

dp[i]表示以i位置元素为结尾的子序列中，最长的摆动序列长度。

我们针对于（以i位置元素为结尾的子序列，以及i位置元素状态）进行分析，想一想dp[i]能不能由其他状态推导得出。

  1. 如果只考虑i位置一个元素， 最长的摆动序列长度为1，故dp[i]=1。

  2. 如果不止考虑i位置一个元素， 我们发现还需要考虑i位置元素处于“上升”状态还是“下降”状态

    1. 如果i位置元素处于“上升”状态，i位置元素可以跟在前面任意（nums[j]<nums[i]）的元素后面，我们假设i位置元素跟着j位置元素后面，j位置元素需要处于“下降”状态，而我们要考虑的是最长的摆动序列长度，所以j需要遍历（0~i-1），dp[i]=max（j位置元素（处于”下降“状态，最长的摆动序列长度）+1）j∈[0~i-1]。

    2. 如果i位置元素处于“下降”状态，i位置元素可以跟在前面任意（nums[j]>nums[i]）的元素后面，我们假设i位置元素跟着j位置元素后面，j位置元素需要处于“上升”状态，而我们要考虑的是最长的摆动序列长度，所以j需要遍历（0~i-1），dp[i]=max（j位置元素（处于”上升“状态，最长的摆动序列长度）+1）j∈[0~i-1]。

我们发现只定义（dp[i]表示以i位置元素为结尾的子序列中，最长的摆动序列长度）这个状态表示是没办法推导出状态转移方程，所以我们修正一下状态表示。

定义 ，

f[i]表示以i位置元素为结尾的子序列中，处于“上升”状态时，最长的摆动序列长度。

g[i]表示以i位置元素为结尾的子序列中，处于“下降”状态时，最长的摆动序列长度。

状态转移方程

我们针对于（以i位置元素为结尾的子序列，以及i位置元素状态）进行分析，想一想dp[i]能不能由其他状态推导得出。

  1. 如果只考虑i位置一个元素， 最长的摆动序列长度为1，故f[i]=g[i]=1。

  2. 如果不止考虑i位置一个元素， 我们发现还需要考虑i位置元素处于“上升”状态还是“下降”状态

    1. 如果i位置元素处于“上升”状态，i位置元素可以跟在前面任意（nums[j]<nums[i]）的元素后面，我们假设i位置元素跟着j位置元素后面，j位置元素需要处于“下降”状态，而我们要考虑的是最长的摆动序列长度，所以j需要遍历（0~i-1），f[i]=max（g[j]+1）j∈[0~i-1],g[i]=1。

    2. 如果i位置元素处于“下降”状态，i位置元素可以跟在前面任意（nums[j]>nums[i]）的元素后面，我们假设i位置元素跟着j位置元素后面，j位置元素需要处于“上升”状态，而我们要考虑的是最长的摆动序列长度，所以j需要遍历（0~i-1），g[i]=max（f[i]+1）j∈[0~i-1],f[i]=1。

将上述情况进行简化和合并，我们发现有许多情况f[i]=g[i]=1，并且1是最低的标准，任何位置的状态最少都是1，所以我们可以把这些情况放在初始化部分处理，即先把所有位置的状态初始化为1。

所以我们可以得到状态转移方程，

 

    for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (nums[i] > nums[j]) {f[i] = fmax(f[i], g[j] + 1);} else if (nums[i] < nums[j]) {g[i] = fmax(g[i], f[j] + 1);}}}
 

初始化
 

根据状态转移方程，我们推导i位置的状态时，需要用到（0~i-1）位置的状态，所以我们应该初始化第一个位置的状态，即f[0]=g[0]=1。
 

结合状态转移方程中的分析，所有位置的状态都需要初始化为1，所以我们统一初始化状态为1。即，
 

 

    for (int i = 0; i < n; i++) {f[i] = g[i] = 1;}
 

填表顺序
 

根据状态转移方程，我们推导i位置的状态时，需要用到（0~i-1）位置的状态，所以我们应该从左往右填表，即，
 

从左往右。
 

返回值
 

f[i]表示以i位置元素为结尾的子序列中，处于“上升”状态时，最长的摆动序列长度。
 

g[i]表示以i位置元素为结尾的子序列中，处于“下降”状态时，最长的摆动序列长度。
 

结合题目意思，我们需要找到最长的摆动序列长度，所以我们应该遍历f，g数组找到最长的长度然后返回。
 

代码实现
 

 


int wiggleMaxLength(int* nums, int numsSize) {int n = numsSize;int f[n], g[n];int ret = 1;for (int i = 0; i < n; i++) {f[i] = g[i] = 1;}for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (nums[i] > nums[j]) {f[i] = fmax(f[i], g[j] + 1);} else if (nums[i] < nums[j]) {g[i] = fmax(g[i], f[j] + 1);}}ret = fmax(ret, fmax(f[i], g[i]));}return ret;
}
 

673. 最长递增子序列的个数 - 力扣（LeetCode）
 

 

 

题目解析
 

 

 

状态表示
 

状态表示一般通过经验+题目意思得到。
 

经验是指以某个位置为结尾或者以某个位置为开始。
 

我们可以很容易定义这样一个状态表示，定义dp[i]表示以i位置元素为结尾的子序列中，最长的严格递增序列的个数。
 

我们可以尝试推导一下状态转移方程。
 

dp[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的个数。
 

我们想要由其他位置的状态推导出i位置的状态，只知道最长的严格递增子序列个数是不够的，因为我不知道你对应的最长子序列的长度。
 

所以我们还需要一个状态记录对应的最长子序列的长度。
 

定义，
 

len[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的长度。
 

count[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的个数。
 

状态转移方程
 

 

 

len[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的长度。
 

count[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的个数。
 

我们针对于（以i位置元素为结尾的子序列，以及i位置元素状态）进行分析，想一想dp[i]能不能由其他状态推导得出。
 

  1.  
    如果只考虑i位置一个元素， len[i]=1，count[i]=1；
     
  2.  
    如果不止考虑i位置一个元素， 我们考虑的是子序列，i位置元素可能跟在前面任意（nums[i]>nums[j]）元素后面，因此我们用j表示（0~i-1）区间上的下标。
     
    1.  
      在求个数之前，我们得知道长度，因此先看len[i]，
       
          综上所述，对于len[i],我们可以得到状态转移方程， len[i]=max(len[i],len[j]+1),其中(0<=j<i)，并且nums[i]>nums[j]。
       
      1.  
        在求i位置的len时，我们已经知道（0，i-1）位置上的len信息。
         
      2.  
        我们需要的是递增序列，因此nums[i]只要能和nums[j]构成上升序列，那就可以更新len[i]的值，此时最长的长度为len[j]+1。
         
      3.  
        我们要的是（0~i-1）区间上所有情况下的最大值。
         
    2.  
      在知道每个位置为结尾的最长递增子序列的长度时，我们尝试推导count状态。
       
          综上所述，对于count[i]，我们可以得到状态转移方程，
       
          count[i]+=count[j],其中(0<=j<i)，并且nums[j]<nums[i]&&(len[j]+1==len[i])。
       
      1.  
        我们现在已经知道len[i]的信息，以及（0~i-1）位置上count[j]的信息。
         
      2.  
        我们再遍历（0~i-1）只要能构成上升序列，并且上升序列的长度为len[i]，那么就可以把count[i]加上count[j]的值。这样循环一遍后，count[i]就是我们想要的值。
         
 

 

将上述情况简化和合并，
 

我们可以先填写len状态再填写count状态，状态转移方程为，
 

 

    for (int i = 1; i < n; i++)for (int j = 0; j < i; j++)if (nums[i] > nums[j] && len[j] + 1 > len[i])len[i] = len[j] + 1;for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++)if (nums[i] > nums[j] && len[j] + 1 == len[i])count[i] += count[j];count[i] = fmax(count[i], 1);}
 

 

初始化
 

根据状态转移方程，我们推导i位置的状态时，需要用到（0~i-1）位置的状态，所以我们应该初始化第一个位置的状态，即len[0]=count[0]=1。
 

 

根据状态转移方程，在填写len状态时，我们先考虑（如果不止考虑i位置一个元素，）这种情况，如果i位置元素可以和（0~i-1）位置的元素构成上升序列，那么len[i]就可以由len[j]推导得出，如果（0~i-1）位置上没有一个j可以构成上升序列，再考虑（如果只考虑i位置一个元素）这种情况，len[j]就等于1。
 

因为len状态的推导是赋值，所以我们可以将所有位置上len状态初始化为1。
 

 

在填写count状态时，我们先考虑（如果不止考虑i位置一个元素，）这种情况，在（0~i-1）中记录最长递增子序列的个数，所以count[i]应该初始化为0。再考虑（如果只考虑i位置一个元素）这种情况，count[i]=max（count[i],1）。
 

 

综上所述，初始化为，
 

 

    for (int i = 0; i < n; i++) {len[i] = 1;count[i] = 0;}count[0] = 1;
 

填表顺序
 

根据状态转移方程，我们推导i位置的状态时，需要用到（0~i-1）位置的状态，所以我们应该从左往右填写。即，
 

从左往右。
 

返回值
 

len[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的长度。
 

count[i]表示以i位置元素为结尾的子序列中，最长的严格递增子序列的个数。
 

结合题目意思，我们应该返回最长递增子序列的个数，所以我们需要遍历len找到最长递增子序列的长度，然后遍历count统计最长子序列的个数，然后返回。
 

代码实现
 

 

int findNumberOfLIS(int* nums, int numsSize) {int n = numsSize;int len[n], count[n];for (int i = 0; i < n; i++) {len[i] = 1;count[i] = 0;}count[0] = 1;int retlen = 1;int retcount = 0;for (int i = 1; i < n; i++)for (int j = 0; j < i; j++)if (nums[i] > nums[j] && len[j] + 1 > len[i])len[i] = len[j] + 1;for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++)if (nums[i] > nums[j] && len[j] + 1 == len[i])count[i] += count[j];count[i] = fmax(count[i], 1);}for (int i = 0; i < n; i++)retlen = fmax(retlen, len[i]);for (int i = 0; i < n; i++)if (len[i] == retlen)retcount += count[i];return retcount;
}
 

retcount += count[i]; return retcount; }
 

646. 最长数对链 - 力扣（LeetCode）
 

 

 

题目解析
 

 

 

状态表示
 

状态表示一般通过经验+题目意思得到。
 

经验是指以某个位置为结尾或者以某个位置为开始。
 

我们可以很容易定义这样一个状态表示，定义dp[i]表示以i位置数对为结尾的子序列中，最长递增数对链的长度。
 

状态转移方程
 

 

 

dp[i]表示以i位置数对为结尾的子序列中，最长递增数对链的长度。
 

我们针对于（以i位置数对为结尾的子序列，以及i位置数对状态）进行分析，想一想dp[i]能不能由其他状态推导得出。
 

  1.  
    如果只考虑i位置一个数对， dp[i]=1。
     
  2.  
    如果不止考虑i位置一个数对， i位置的数对可能跟在前面满足（pairs[i][0]>pairs[j][1]）的任意数对后面，用j表示（0~i-1）中间的某个数。 如果（pairs[i][0]>pairs[j][1]）i位置数对第一个元素可以与j位置第二个元素构成上升序列，此时递增数对链的长度为dp[j]+1。 而(0<=j<=i-1)，dp[i]存储的是最长递增数对链的长度。 所以dp[i]=max(dp[i],dp[j]+1)，0<=j<=i-1。
     
 

 

将上述情况进行合并和简化，dp[i]=max（如果只考虑i位置一个数对，如果不止考虑i位置一个数对），（如果不止考虑i位置一个数对）这种情况中，取max时，需要在自己和前面的值进行选择，前面的值已经得到，所以自己应该要初始化。又因为是对dp[i]进行赋值操作，所以如果这种情况可以进行赋值，那么初始化的值就不会对这种情况有影响。如果这种情况不存在，dp[i]存储的值就是初始化的值。结合（如果只考虑i位置一个数对）这种情况，如果第二种情况不存在，dp[i]应该存储1。
 

所以我们可以将所有位置的状态初始化为1，这样就可以只考虑第二种情况，
 

状态转移方程可以简化为，
 

 

    for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (pairs[i][0] > pairs[j][1]) {dp[i] = fmax(dp[i], dp[j] + 1);}}}
 

初始化
 

根据状态转移方程，推导i位置的状态时，需要用到（0~i-1）位置的状态，所以我们需要初始化第一个位置的状态，即，dp[0]=1。结合状态转移方程的分析，我们需要把所有状态初始化为1。结合可以得到初始化，
 

 

    for (int i = 0; i < n; i++) {dp[i] = 1;}
 

填表顺序
 

根据状态转移方程，推导i位置的状态时，需要用到（0~i-1）位置的状态，所有我们应该从左往右填写，保证推导i位置状态时，（0~i-1）位置的状态已经得到。
 

返回值
 

dp[i]表示以i位置数对为结尾的子序列中，最长递增数对链的长度。
 

结合题目意思，我们需要在排列后的所有子序列中找到最长递增数对链的长度，所以我们需要遍历dp数组找到最长递增数对链的长度。
 

代码实现
 

 

static inline int cmp(const void *pa, const void *pb) {if ((*(int **)pa)[0] == (*(int **)pb)[0]) {return (*(int **)pa)[1] == (*(int **)pb)[1];} return (*(int **)pa)[0] - (*(int **)pb)[0];
}
int findLongestChain(int** pairs, int pairsSize, int* pairsColSize) {int n = pairsSize;int dp[n];qsort(pairs,pairsSize,sizeof(int *),cmp);for (int i = 0; i < n; i++) {dp[i] = 1;}int ret = 1;for (int i = 1; i < n; i++) {for (int j = 0; j < i; j++) {if (pairs[i][0] > pairs[j][1]) {dp[i] = fmax(dp[i], dp[j] + 1);}}ret = fmax(ret, dp[i]);}return ret;
}
 

结尾
 

今天我们学习了动态规划的思想，动态规划思想和数学归纳法思想有一些类似，动态规划在模拟数学归纳法的过程，已知一个最简单的基础解，通过得到前项与后项的推导关系，由这个最简单的基础解，我们可以一步一步推导出我们希望得到的那个解，把我们得到的解依次存放在dp数组中，dp数组中对应的状态，就像是数列里面的每一项。最后感谢您阅读我的文章，对于动态规划系列，我会一直更新，如果您觉得内容有帮助，可以点赞加关注，以快速阅读最新文章。
 

 

最后，感谢您阅读我的文章，希望这些内容能够对您有所启发和帮助。如果您有任何问题或想要分享您的观点，请随时在评论区留言。
 

 

同时，不要忘记订阅我的博客以获取更多有趣的内容。在未来的文章中，我将继续探讨这个话题的不同方面，为您呈现更多深度和见解。
 

 

谢谢您的支持，期待与您在下一篇文章中再次相遇！











本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/309609.html


如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！












相关文章










微信小程序开发系列-08自定义组件模版特性








微信小程序开发系列-08自定义组件模版特性




微信小程序开发系列目录 
《微信小程序开发系列-01创建一个最小的小程序项目》《微信小程序开发系列-02注册小程序》《微信小程序开发系列-03全局配置中的“window”和“tabBar”》《微信小程序开发系列-04获取用户图像和昵称》《微信小程序开发系列-05登录小程序》《微信小程序…




阅读更多...

















红队打靶练习:MISDIRECTION: 1








红队打靶练习:MISDIRECTION: 1




信息收集 
1、arp 
┌──(root㉿ru)-[~/kali]
└─# arp-scan -l
Interface: eth0, type: EN10MB, MAC: 00:0c:29:69:c7:bf, IPv4: 192.168.12.128
Starting arp-scan 1.10.0 with 256 hosts (https://github.com/royhills/arp-scan)
192.168.12.1    00:50:56:c0:00:08      …




阅读更多...

















自动驾驶学习笔记（二十三）——车辆控制模型








自动驾驶学习笔记（二十三）——车辆控制模型




#Apollo开发者# 
学习课程的传送门如下&#xff0c;当您也准备学习自动驾驶时&#xff0c;可以和我一同前往&#xff1a; 《自动驾驶新人之旅》免费课程—> 传送门 
《Apollo开放平台9.0专项技术公开课》免费报名—>传送门 
文章目录 
前言 
运动学模型 
动力学模型 
总结…




阅读更多...

















基于ssm的二手商品交易平台+vue论文








基于ssm的二手商品交易平台+vue论文




摘 要 
信息数据从传统到当代&#xff0c;是一直在变革当中&#xff0c;突如其来的互联网让传统的信息管理看到了革命性的曙光&#xff0c;因为传统信息管理从时效性&#xff0c;还是安全性&#xff0c;还是可操作性等各个方面来讲&#xff0c;遇到了互联网时代才发现能补上自古…




阅读更多...

















《深入理解C++11：C++11新特性解析与应用》笔记五








《深入理解C++11：C++11新特性解析与应用》笔记五




第五章 提高类型安全 
5.1 强类型枚举 
5.1.1 枚举&#xff1a;分门别类与数值的名字 
具名枚举类型一般声明类似&#xff1a;enum Gender { Male, Female }。 
匿名枚举类型可以使用三种方式实现&#xff1a; 
第一种方式时宏&#xff0c;比如 
#define Male 0 
#define Femal…




阅读更多...

















SpringBoot项目部署及多环境








SpringBoot项目部署及多环境




1、多环境 
2、项目部署上线 
原始前端 / 后端项目宝塔Linux容器容器平台 
3、前后端联调 
4、项目扩展和规划 
多环境 
程序员鱼皮-参考文章 
本地开发&#xff1a;localhost&#xff08;127.0.0.1&#xff09; 
多环境&#xff1a;指同一套项目代码在把不同的阶段需要根据实际…




阅读更多...

















【Electron】webview 实现网页内嵌








【Electron】webview 实现网页内嵌




实现效果&#xff1a; 
当在输入框内输入某个网址后并点击button按钮 , 该网址内容就展示到下面 踩到的坑&#xff1a;之前通过web技术实现 iframe 标签内嵌会出现 同源策略&#xff0c;同时尝试过 vue.config.ts 内配置跨域项 那样确实 是实现啦 但不知道如何动态切换 tagert …




阅读更多...

















Java动态代理机制 代码示例demo








Java动态代理机制 代码示例demo




文章目录 JDK动态代理代码实现示例1.定义发送短信的接口2.实现发送短信的接口3.定义一个 JDK 动态代理类4.获取代理对象的工厂类5.实际使用 JDK 动态代理只能代理实现了接口的类CGLIB动态代理代码实现示例1.实现一个使用阿里云发送短信的类2.自定义 MethodInterceptor&#xff…




阅读更多...

















子网掩码与IP段计算








子网掩码与IP段计算




一.什么叫子网掩码&#xff1a; 
子网掩码(subnet mask)又叫网络掩码、地址掩码、子网络遮罩&#xff0c;它用来指明一个IP地址的哪些位标识的是主机所在的子网&#xff0c;以及哪些位标识的是主机的位掩码。子网掩码不能单独存在&#xff0c;它必须结合IP地址一起使用。 子网掩…




阅读更多...

















Prometheus告警处理








Prometheus告警处理




Alertmanager介绍 
Prometheus 包含一个报警模块&#xff0c;就是 AlertManager&#xff0c;Alertmanager 主要用于接收 Prometheus 发送的告警信息&#xff0c;它支持丰富的告警通知渠道&#xff0c;而且很容易做到告警信息进行去重、降噪、分组等&#xff0c;是一款前卫的告警…




阅读更多...

















【数据结构】链式家族的成员——循环链表与静态链表








【数据结构】链式家族的成员——循环链表与静态链表




循环链表与静态链表 导言一、循环链表1.1 循环单链表1.2 循环双链表 二、静态链表2.1 静态链表的创建2.2 静态链表的初始化2.3 小结 结语 导言 
大家好&#xff01;很高兴又和大家见面啦&#xff01;&#xff01;&#xff01; 
经过前面的介绍&#xff0c;相信大家对链式家族的…




阅读更多...

















系列六、Consul








系列六、Consul




一、Consul 
1.1、概述 Consul是一套开源的分布式服务发现和配置管理系统&#xff0c;由HashiCorp公司用Go语言开发。他提供了微服务系统中的服务治理、配置中心、控制总线等功能。这些功能中的每一个功能都可以单独使用&#xff0c;也可以一起使用以构建全方位的服务网格&…




阅读更多...


















推荐文章












最新文章


















Copyright @ 2022~2023