今天小编给大家分享一下C++中的动态规划子序列问题怎么解决的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
经典问题
int lengthOfLIS(int* nums, int numsSize){
//1.dp[i]表示遍历到nums[i]时，最长递增子序列的长度
//2.递推式:
//if(nums[j]<nums[i]) dp[i]=fmax(dp[i],dp[j]+1);
//3.dp数组初始化:
//dp[i]=1;
int dp[numsSize];
for(int i=0;i<numsSize;i++)
dp[i]=1;
int ans=1;
for(int i=1;i<numsSize;i++){
for(int j=0;j<i;j++){
if(nums[j]<nums[i])
dp[i]=fmax(dp[i],dp[j]+1);
ans=fmax(ans,dp[i]);
}
}
return ans;
}经典问题
int longestCommonSubsequence(char * text1, char * text2){
//1.dp[i][j]表示text1[0...i]与text2[0...j]的最长公共子序列的长度
//2.递推式:
//if(text1[i]==text2[j]) dp[i][j]=dp[i-1][j-1]+1;
//else dp[i][j]=fmax(dp[i-1][j],dp[i][j-1]);
//3.dp数组初始化:
//dp[i][0]=dp[0][j]=0;
int len1=strlen(text1);
int len2=strlen(text2);
int dp[len1+1][len2+1];
for(int i=0;i<=len1;i++) dp[i][0]=0;
for(int j=0;j<=len2;j++) dp[0][j]=0;
for(int i=1;i<=len1;i++){
for(int j=1;j<=len2;j++){
if(text1[i-1]==text2[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=fmax(dp[i-1][j],dp[i][j-1]);
}
}
return dp[len1][len2];
}该问题=求最长公共子序列（数组版本）
int maxUncrossedLines(int* nums1, int nums1Size, int* nums2, int nums2Size){
int dp[nums1Size+1][nums2Size+1];
for(int i=0;i<=nums1Size;i++) dp[i][0]=0;
for(int j=0;j<=nums2Size;j++) dp[0][j]=0;
for(int i=1;i<=nums1Size;i++){
for(int j=1;j<=nums2Size;j++){
if(nums1[i-1]==nums2[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=fmax(dp[i-1][j],dp[i][j-1]);
}
}
return dp[nums1Size][nums2Size];
}与最长上升子序列相比，多了“连续”这个条件，故只需要比较相邻元素大小即可，不相等dp置为1
int findLengthOfLCIS(int* nums, int numsSize){
//1.dp[i]表示遍历到nums[i]时，最长连续递增子序列的长度
//2.递推式:
//if(nums[i]>nums[i-1]) dp[i]=dp[i-1]+1;
//3.dp数组初始化:
//dp[i]=1;
int dp[numsSize];
for(int i=0;i<numsSize;i++) dp[i]=1;
int ans=1;
for(int i=1;i<numsSize;i++){
if(nums[i]>nums[i-1])
dp[i]=dp[i-1]+1;
ans=fmax(ans,dp[i]);
}
return ans;
}与最长公共子序列相比，多了“连续”这个条件，不相等dp置为0
int findLength(int* nums1, int nums1Size, int* nums2, int nums2Size){
int dp[nums1Size+1][nums2Size+1];
for(int i=0;i<=nums1Size;i++) dp[i][0]=0;
for(int j=0;j<=nums2Size;j++) dp[0][j]=0;
int ans=0;
for(int i=1;i<=nums1Size;i++){
for(int j=1;j<=nums2Size;j++){
if(nums1[i-1]==nums2[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=0;
ans=fmax(ans,dp[i][j]);
}
}
return ans;
}很简单，i-1到i时，dp[i]选择dp[i-1]或者不选择
int maxSubArray(int* nums, int numsSize){
//1.dp[i]表示nums[0...i]中最大子数组和
//2.递推式:
//dp[i]=fmax(dp[i-1]+nums[i],nums[i]);
//3.dp数组初始化:
//dp[0]=nums[0];
int dp[numsSize];
dp[0]=nums[0];
int ans=dp[0];
for(int i=1;i<numsSize;i++){
dp[i]=fmax(dp[i-1]+nums[i],nums[i]);
ans=fmax(ans,dp[i]);
}
return ans;
}这题虽然用暴力法设置两个指针遍历更简单，但是为了训练编辑距离题型的思想，建议从动态规划入手
bool isSubsequence(char * s, char * t){
//1.dp[i][j]表示遍历到s[i]和t[j]时，两数组的最长公共子序列长度
//2.递推式:
//if(s[i-1]==t[j-1]) dp[i][j]=dp[i-1]+dp[i-1]+1;
//else dp[i][j]=fmax(dp[i-1][j],dp[i][j-1]);
//3.dp数组初始化:
//dp[i][0]=dp[0][j]=0;
int m=strlen(s),n=strlen(t);
int dp[m+1][n+1];
for(int i=0;i<=m;i++) dp[i][0]=0;
for(int j=0;j<=n;j++) dp[0][j]=0;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(s[i-1]==t[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=dp[i][j-1];
}
}
if(dp[m][n]==m) return true;
else return false;
}这一题理解起来有点吃力，但是好在后面两题都要用，熟能生巧
int minDistance(char * word1, char * word2){
//1.dp数组的含义:
//dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，
//想要达到相等，所需要删除元素的最少次数
//2.递推式:
//若word1[i-1]==word2[j-1]:
// 无需进行删除操作，即删除次数无变化，dp[i][j]=dp[i-1][j-1];
//若word1[i-1]!=word2[j-1]:
// 若删除word1[i-1]，问题就变成了dp[i-1][j]基础上加了一次删除操作，dp[i][j]=dp[i-1][j]+1;
// 若删除word2[j-1]，问题就变成了dp[i][j-1]基础上加了一次删除操作，dp[i][j]=dp[i][j-1]+1;
// 综上，dp[i][j]=fmin(dp[i - 1][j] + 1, dp[i][j - 1] + 1);
//3.dp数组初始化:
//dp[i][0]=i,dp[0][j]=j;
int m=strlen(word1),n=strlen(word2);
int dp[m+1][n+1];
for(int i=0;i<=m;i++) dp[i][0]=i;
for(int j=1;j<=n;j++) dp[0][j]=j;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(word1[i-1]==word2[j-1])
dp[i][j]=dp[i-1][j-1];
else
dp[i][j]=fmin(dp[i-1][j]+1,dp[i][j-1]+1);
}
}
return dp[m][n];
}上题是问删除多少次能使得两字符串相等，这题是问有多少种删除组合能使得两字符串相等，而且这一题只有s这一个字符串需要删除
int numDistinct(char * s, char * t){
//这题也可以这样问:s最多有多少种删除方法，可以使得s==t
//1.dp数组的含义:
//dp[i][j]：以i-1为结尾的字符串s，和以j-1位结尾的字符串t，
//想要达到相等，s的最多删除组合
//2.递推式:
//若s[i-1]==t[j-1]:
// s不删，保证s[i-1]和t[j-1]匹配，dp[i][j]=dp[i-1][j-1]];
// s也能删，反正s后面多的是有可能和t[j-1]匹配的选手，dp[i][j]=dp[i-1][j];
//若s[i-1]!=t[j-1]:
// s必须删，否则从s[i-1]和t[j-1]开始s和t就不匹配了，dp[i][j]=dp[i-1][j];
//3.dp数组初始化:
//dp[i][0]=1;dp[0][j]=0;
int m=strlen(s),n=strlen(t);
unsigned long long dp[m+1][n+1];
for(int i=0;i<=m;i++) dp[i][0]=1;
for(int j=1;j<=n;j++) dp[0][j]=0;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(s[i-1]==t[j-1])
dp[i][j]=dp[i-1][j-1]+dp[i-1][j];
else
dp[i][j]=dp[i-1][j];
}
}
return dp[m][n];
}BOSS降临，但其实只要掌握了第2题，这一题也就多了个替换操作
int minDistance(char * word1, char * word2){
//这题是编辑距离问题的大BOSS,同时也是最适合背的,见过的秒杀，没见过的干瞪眼
//1.dp[i][j]表示word1的0~i-1部分转换成word2的0~j-1部分所使用的最少操作数
//2.递推式:
//if(word1[i-1]==word2[j-1])-----------等于,无需编辑
// dp[i][j]=dp[i-1][j-1];
//else{
// dp=min(
// dp[i-1][j]+1,------------------删除word1[i-1],就是在word1[0~i-2]与word2[0~j-1]基础上的操作+1
// dp[i][j-1]+1,------------------删除word2[j-1],就是在word2[0~j-2]与word1[0~i-1]基础上的操作+1
// dp[i-1][j-1]+1-----------------只需要一次替换操作，就能使问题变成word1[i-1]==word2[j-1]的情况
// );
//}
//3.dp数组初始化:
//dp[i][0]=i;dp[0][j]=j;
int len1=strlen(word1);
int len2=strlen(word2);
int dp[len1+1][len2+1];
for(int i=0;i<=len1;i++) dp[i][0]=i;
for(int j=1;j<=len2;j++) dp[0][j]=j;
for(int i=1;i<=len1;i++){
for(int j=1;j<=len2;j++){
if(word1[i-1]==word2[j-1])
dp[i][j]=dp[i-1][j-1];
else{
int temp=fmin(dp[i-1][j]+1,dp[i][j-1]+1);
dp[i][j]=fmin(temp,dp[i-1][j-1]+1);
}
}
}
return dp[len1][len2];
}dp[i][j]的取值依赖于dp[i+1][j-1]的取值（即外层依赖于里层）
因此在遍历顺序上也要保证从左下方到右上方，这样才能保证左下方的数据是经过计算的
int countSubstrings(char * s){
//1.dp[i][j]表示区间范围[i,j]内的字符串是否为回文串
//2.递推式:
//若s[i]!=s[j]:
// 显然,dp[i][j]=false;
//若s[i]==s[j]:
// 若j-i<=1: ans++;dp[i][j]=true;
// 若j-i>1且dp[i+1][j-1]==true:dp[i][j]=true;
//3.dp数组初始化:
//dp[i][j]=false;
//4.dp数组遍历顺序
//dp[i][j]的取值依赖于dp[i+1][j-1]，则应该从下到上、从左到右
int len=strlen(s);
int dp[len][len];
for(int i=0;i<len;i++){
for(int j=0;j<len;j++)
dp[i][j]=false;
}
int ans=0;
for(int i=len-1;i>=0;i--){
for(int j=i;j<len;j++){
if(s[i]==s[j]){
if(j-i<=1){
ans++;
dp[i][j]=true;
}else if(dp[i+1][j-1]){
ans++;
dp[i][j]=true;
}
}
}
}
return ans;
}还是要注意遍历顺序，dp[i][j] 依赖于 dp[i + 1][j - 1] ，dp[i + 1][j] 和 dp[i][j - 1]，因此，要保证从左下方到右上方遍历，这样才能保证左下方、左方、下方的数据是经过计算的
int longestPalindromeSubseq(char * s){
//1.dp[i][j]表示字符串在[i,j]范围内的最长回文子序列长度
//2.递推式:
//if(s[i]==s[j])
// dp[i][j]=dp[i+1][j-1]+2;
//else
// dp[i][j]=fmax(dp[i+1][j],dp[i][j-1]);
//3.初始化:
//dp[i][i]=1
//4.遍历顺序:
//从下到上、从左到右
int len=strlen(s);
int dp[len][len];
memset(dp,0,sizeof(dp));
for(int i=0;i<len;i++) dp[i][i]=1;
for(int i=len-1;i>=0;i--){
for(int j=i+1;j<len;j++){
if(s[i]==s[j])
dp[i][j]=dp[i+1][j-1]+2;
else
dp[i][j]=fmax(dp[i+1][j],dp[i][j-1]);
}
}
return dp[0][len-1];
}以上就是“C++中的动态规划子序列问题怎么解决”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
