动态规划的原理

动态规划与分治法相似，都是通过组合子问题的解来求解原问题。

动态规划通常是用来求解最优化问题（optimization  problem）.这类问题可以有很多个可行解，每个解都有一个值，我们希望寻找最优值（最大值或者最小值）的解。我们称这样的解为问题的一个最优解（oneoptimization solution）而不是（theoptimization solution），因为有可能有多个解都达到最优值，但是在求解原问题的最优解的时候只需要找出其中的一个就可以了。就像矩阵链乘法问题中，选择最佳分割位置k的时候，是只需要判断新的代价是否比之前的选中的k时的代价小，如果不小则不变换k的值。这就说明了，是可能出现另外一个分割位置与当前记录的k的位置的代价是一样的，这就说明了k的最佳划分位置不止一个，即原问题的最优解可能不是唯一的，但是动态规划则是求出原问题的一个最优解。

   通常按照如下四个步骤来设计一个动态规划算法：

1.刻画一个最优解的结构特征；

2.递归地定义最优解的值；

3.计算最优解的值，通常采用自底向上的方法；

4.利用计算出的线性构造一个最优解。

    运用动态规划求解问题的两个要素分别是最优子结构和子问题重叠。

  （1）最优子结构

     如果一个问题的最优解包含其子问题的最优解，我们就称此问题具有最优子结构性质。因此，某个问题是否适合应用动态规划算法它是否具有最优子结构性质是一个很好的线索（当然，具有最优子结构性质也可能意味着适合应用贪心策略）。

    在动态规划中，通常是自底向上地使用最优子结构。即首先求得子问题的最优解，然后在其中进行选择，求原问题的最优解。在求解问题的过程中需在涉及的子问题中做出选择，选择出能得到原问题最优解的子问题。

   使用动态规划算法的时候，要求原问题的解的子问题之间是无关的，这个无关指得是，给定原问题P之后，这个问题的最优解可以通过一分为二的两个子问题A和B，分别求得子问题A和B的最优解，即可得到原问题P的最优解，并且子问题A的解和B的解是不相关的，在A和B相组合原问题最优解的时候除了在接口处的地方之外其他的地方解都是不重合的。这句话其实很好理解，比如矩阵相乘中Ai乘到Aj,划分成两个子问题Ai到Ak和A(k+1)和Aj，分别求这两个子问题的解，两个子问题的解除了在Ak处是重合的，其他地方再无重复。

   （2）重叠子问题

     在求解过程中如果递归算法反复求解相同的子问题，就称最优化问题具有重叠子问题的性质。这个地方说的是适合用递归算法求解的原问题在求解过程中待分解的子问题的集合是固定的。与之相对的，适合用分治法求解的问题通常在递归的每一步都生成全新的子问题。

     动态规划算法通常利用重叠子问题性质的做法是对每个子问题求解一次，将解存入一个表中，当再次需要这个子问题时直接查表，每次查表的代表为常量时间。

     针对矩阵连乘法问题即可用带备忘的自顶向下的动态规划算法，也可以用自底向上的动态规划算法。