CPP解决动态规划问题

最新推荐文章于 2025-04-25 16:44:42 发布

原创

最新推荐文章于 2025-04-25 16:44:42 发布 · 337 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #动态规划 #c++ #字符串

本文介绍了使用C++解决动态规划问题，包括LCS最长公共子序列、最大子段和、最长上升子序列和最长回文串。通过典型例题详细讲解了动态规划算法的应用，每个问题都给出了建表和递推关系的思考过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

动态规划DP典型问题训练（cpp代码）

概述

基本思想
动态规划算法通常用于求解具有某种最优性质的问题。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。
典型例题
1.求解两个字符串的最大公共子序列LCS问题
2.最大子段和
3.最长上升子序列
4.最长回文串

https://blog.csdn.net/weixin_40170902/article/details/80585218（最大子段和参考链接）
https://blog.csdn.net/weixin_40673608/article/details/84262695（LCS问题参考链接）

LCS最长公共子序列

在这里插入图片描述
对于两个字符串s1,s2，字符串s1的前i个字符构成的字串和字符串s2前j个字符构成的字符子串的最大公共字串长度可以由i-1和j-1的情况归纳得到。把c数组想象为一个记录子串中最长公共子序列的表格，这便给了我们打表的条件，每一个右下角的格子，都可以由其左上方（或左边或上边）的格子中继承得到。最终时间复杂度为O（nm）。

class searchlcs
{
   
   
public: int c[10][10];
	 
public:
	int dosearchlcs(string s1, string s2) {
   
   
		for (int i = 0; i < 10; i++) {
   
   
			for (int j = 0; j < 10; j++) {
   
   
				c[i][j] = 0;
			}
		}
			const int s1_length = s1.size();
			const int s2_length = s2.size();

		/*	for (int i = 0; i < s1_length; i++) {
				c[i][0] = 0;
			}
			for (int j = 0; j < s2_length; j++) {
				c[0][j] = 0;
			}*/
			for (int i = 1; i < s1_length+1; i++) {
   
   
				for (int j = 1; j < s2_length+1; j