动态规划

什么叫做动态规划

动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。

动态规划的思想

动态规划背后的思想很简单，和分治思想类似，将求解的问题分解成若干个子问题，按照顺序求解子问题，列出各种可能的局部解，通过决策（根据题意）保留那些有可能达到最优的局部解，丢弃其它局部解。为了减少重复计算，每个子问题只解一次，将其不同阶段的不同状态保存在一个二维数组中。但是，和分治算法不同的是，经过分解后得到的子问题往往不是互相独立的，而是下一个子阶段的求解建立在上一个子阶段的解的基础上；

适用场景

   最优子结构性质；如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构性质（比如贪心算法就没有）

  无后效性；即子问题的解一旦确定，就不再改变，不受在这之后、包含它的更大的问题的求解决策影响

  子问题重叠性质；子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的问题并不总是新问题，有些子问题会被计算多次；（动态规划算法正是利用了这种子问题的重叠性质，，因为无后效性，所以对每个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次计算过的子问题的时候，在表格中查找一下结果就行了，从而很大的提升了效率）

具体问题

如果我们有面值为1元、3元和5元的硬币若干枚，如何用最少的硬币凑够11元？

假设 d[i] = j 表示凑够 i 元最少需要 j 个硬币，譬如说，当 i 为 0 的时候，需要 0 个硬币（废话），i 为 2 的时候需要 2 个硬币，i 为 3 的时候，出现两个方案，需要做一个选择，是选择 3 个 1 元硬币还是 1 个 3 元硬币，程序要怎么计算出来呢？递归！其实就是 d[3 - 1] （使用 1 元硬币之后，凑够 2 元所需要的最少数量）和 d[3 - 3]（使用 3 元硬币之后，0元需要的最少硬币数量），取两者的最小值再加上 1 ； 

package com.threetop.www;


/**
 * 动态规划解决硬币组合问题
 * 有面值为1元、3元和5元的硬币若干枚，如何用最少的硬币凑够11元？
 * @author wjgs
 *
 */
public class DP {
	
	static int []coin={1,3,5};
	
	public static void dp_fun(int num)
	{
		 //动态规划表存储当前最优解
		int[]dp=new int[num+1];
		for (int i=1;i<dp.length;i++)
		{
			int min_val=Integer.MAX_VALUE;
			
			for(int j=0;j<coin.length;j++)
			{
				//动态规划的核心步骤
				if(i>=coin[j])
				{
					min_val=Math.min(dp[i-coin[j]]+1, min_val);
				}
					
					
			}
			    dp[i]=min_val;
		}
		for(int k=0;k<dp.length;k++)
		{
			System.out.println("凑齐"+k+"元,至少需要"+dp[k]+"枚硬币");
		}
		
		
	}
	

	public static void main(String[] args) {
		
		DP.dp_fun(11);
		

	}

}