【C语言练习】052. 理解动态规划的基本概念

052. 理解动态规划的基本概念

动态规划（Dynamic Programming，简称DP）是一种解决复杂问题的算法思想，它通过将问题分解为更小的子问题，并将子问题的解存储起来（通常使用表格或数组），避免重复计算，从而提高算法的效率。动态规划特别适用于具有重叠子问题和最优子结构的问题。

1. 动态规划的基本概念

1.1 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，则称该问题具有最优子结构。这意味着可以通过求解子问题的最优解来构建原问题的最优解。

1.2 重叠子问题

在递归求解过程中，如果某些子问题被多次重复计算，则称该问题具有重叠子问题。动态规划通过存储这些子问题的解，避免了重复计算，从而提高了效率。

1.3 状态和状态转移方程

• 状态：动态规划中的状态通常是一个变量或一组变量，用于描述问题的某个阶段的状态。状态的选择需要满足无后效性，即当前状态的决策只依赖于当前状态，而不依赖于之前的状态。

• 状态转移方程：描述状态之间的关系，即如何从一个状态转移到另一个状态。状态转移方程是动态规划的核心，它决定了如何通过子问题的解来构建原问题的解。

---

重叠子问题

重叠子问题是指在递归算法中，同一个子问题被多次计算。动态规划通过存储这些子问题的解，避免重复计算，从而提高效率。重叠子问题通常出现在递归算法中，如斐波那契数列、背包问题等。

代码示例：斐波那契数列

#include <stdio.h>

int fib(int n) {
   
    if (n <= 1) return n;
    return fib(n-1) + fib(n-2);
}

int main() {
   
    int n = 10;
    printf("Fibonacci number is %d\n", fib(n));
    return 0;
}

在这个例子中，fib(n-1) 和 fib(n-2) 会多次计算相同的子问题，导致效率低下。

最优子结构

最优子结构是指一个问题的最优解包含其子问题的最优解。动态规划通过将问题分解为子问题，并利用子问题的最优解来构造原问题的最优解。最优子结构通常出现在最优化问题中，如最短路径、最长公共子序列等。

代码示例：最长公共子序列

#include <stdio.h>
#include <string.h>

int max(int a, int b) {
   
    return (a > b) ? a : b;
}

int lcs(char *X, char *Y, int m, int n) {
   
    if (m == 0 || n == 0) return 0;
    if (X[m-1] == Y[n-1]) return 1 + lcs(X, Y, m-1, n-1);
    else return max(lcs(X, Y, m, n-1), lcs(X, Y, m-1, n))