某国为了防御敌国的导弹袭击，发展出一种导弹拦截系统。但是这种导弹拦截系统有一个缺陷：虽然它的第一发炮弹
能够到达任意的高度，但是以后每一发炮弹都不能高于前一发的高度。某天，雷达捕捉到敌国的导弹来袭。由于该系统还
在试用阶段，所以只有一套系统，因此有可能不能拦截所有的导弹。
输入导弹依次飞来的高度（雷达给出的高度数据是不大于 30000 的正整数），计算这套系统最多能拦截多少导弹，并依次
输出被拦截的导弹飞来时候的高度。
样例：
INPUT 389 207 155 300 299 170 158 65
OUTPUT 6 （最多能拦截的导弹数） ：389 300 299 170 158 65
[code="java"]public class MissileIntercept {
public static void main(String[] args) {
intercept(new int[] { 389, 207, 155, 300, 299, 170, 158, 65 });
}
private static void intercept(int[] array) {
int n = array.length;
int[] d = new int[n];
int dmax, xh;
for (int i = n - 2; i >= 0; i--) { // 从后往前计算d[i]值
for (int j = i + 1; j < n; j++) {
if ((array[j] <= array[i]) && (d[i] < d[j] + 1)) {
d[i] = d[j] + 1;
}
}
}
dmax = 0;
xh = 1;
for (int i = 0; i < n; i++) { // 求出dmax
if (d[i] > dmax) {
dmax = d[i];
xh = i;
}
}
System.out.println(dmax); // 输出结果
System.out.print(array[xh] + " ");
int temp = xh;
for (int i = xh + 1; i < n; i++) {
if (d[i] == d[temp] - 1) {
temp = i;
System.out.print(array[i] + " ");
}
}
System.out.println();
}
}[/code]
[quote]您太神速了,,,能不能给我解释一下动态规划算法呢？理解起来真是费劲呀... [/quote]
这是很经典的算法，网上有很多，只是用java写的比较少。下面是抄来的：
因为只有一套导弹拦截系统，并且这套系统除了第一发炮弹能到达任意高度外，以后的每一发炮弹都不能高于前一发炮弹的高度；所以，被拦截的导弹应该按飞来的 高度组成一个非递增序列。题目要求我们计算这套系统最多能拦截的导弹数，并依次输出被拦截导弹的高度，实际上就是要求我们在导弹依次飞来的高度序列中寻找 一个最长非递增子序列。
设 X={x 1 ,x 2 ,…,x n } 为依次飞来的导弹序列， Y={y 1 ,y 2 ,…,y k } 为问题的最优解（即 X 的最长非递增子序列）， s 为问题的状态（表示导弹拦截系统当前发送炮弹能够到达的最大高度，初值为 s=∞—— 第一发炮弹能够到达任意的高度）。如果 y 1 =x 1 ，即飞来的第一枚导弹被成功拦截。那么，根据题意“每一发炮弹都不能高于前一发的高度”，问题的状态将由 s=∞ 变成 s≤x 1 （ x 1 为第一枚导弹的高度）；在当前状态下，序列 Y 1 ={y 2 ,…,y k } 也应该是序列 X 1 ={x 2 ,…,x n } 的最长非递增子序列（大家用反证法很容易证明）。也就是说，在当前状态 s≤x 1 下，问题的最优解 Y 所包含的子问题（序列 X 1 ）的解（序列 Y 1 ）也是最优的。这就是拦截导弹问题的最优子结构性质。
设 D(i) 为第 i 枚导弹被拦截之后，这套系统最多还能拦截的导弹数（包含被拦截的第 i 枚）。我们可以设想，当系统拦截了第 k 枚导弹 x k ，而 x k 又是序列 X={x 1 ,x 2 ,…,x n } 中的最小值，即第 k 枚导弹为所有飞来的导弹中高度最低的，则有 D(k)=1 ；当系统拦截了最后一枚导弹 x n ，那么，系统最多也只能拦截这一枚导弹了，即 D(n)=1 ；其它情况下，也应该有 D(i)≥1 。
假设系统最多能拦截的导弹数为 dmax （即问题的最优值），则 dmax = max(D(i))
所以，要计算问题的最优值 dmax ，需要分别计算出 D(1) 、 D(2) 、…… D(n) 的值，然后将它们进行比较，找出其中的最大值。根据上面分析出来的递归方程，我们完全可以设计一个递归函数，采用自顶向下的方法计算 D(i) 的值。然后，对 i 从 1 到 n 分别调用这个递归函数，就可以计算出 D(1) 、 D(2) 、…… D(n) 。但这样将会有大量的子问题被重复计算。比如在调用递归函数计算 D(1) 的时候，可能需要先计算 D(5) 的值；之后在分别调用递归函数计算 D(2) 、 D(3) 、 D(4) 的时候，都有可能需要先计算 D(5) 的值。如此一来，在整个问题的求解过程中， D(5) 可能会被重复计算很多次，从而造成了冗余，降低了程序的效率。
其实，通过以上分析，我们已经知道： D(n)=1 。如果将 n 作为阶段对问题进行划分，根据问题的动态规划递归方程，我们可以采用自底向上的方法依次计算出 D(n-1) 、 D(n-2) 、…… D(1) 的值。这样，每个 D(i) 的值只计算一次，并在计算的同时把计算结果保存下来，从而避免了有些子问题被重复计算的情况发生，提高了程序的效率。