一文带你学习动态规划 【算法复习】

Outline

• 动态规划原理
• 编号动态规划：最大不下降子序列
• 划分动态规划：矩阵链乘、凸多边形三角剖分
• 数轴动态规划：0-1背包
• 前缀动态规划：最长公共子序列
• 树形动态规划：最优二分搜索树

Notes

## 动态规划原理

• 基本思想：问题的最优解如果可以由子问题的最优解推导得到，则可以先求解子问题的最优解，在构造原问题的最优解；若子问题有较多的重复出现，则可以自底向上从最终子问题向原问题逐步求解。
• 使用条件：可分为多个相关子问题，子问题的解被重复使用
  • Optimal substructure（优化子结构）：
    • 一个问题的优化解包含了子问题的优化解
    • 缩小子问题集合，只需那些优化问题中包含的子问题，降低实现复杂性
    • 我们可以自下而上的
  • Subteties（重叠子问题）：在问题的求解过程中，很多子问题的解将被多次使用。
• 动态规划算法的设计步骤：
  • 分析优化解的结构
  • 递归地定义最优解的代价
  • 自底向上地计算优化解的代价保存之，并获取构造最优解的信息
  • 根据构造最优解的信息构造优化解
• 动态规划特点：
  • 把原始问题划分成一系列子问题；
  • 求解每个子问题仅一次，并将其结果保存在一个表中，以后用到时直接存取，不重复计算，节省计算时间
  • 自底向上地计算。
  • 整体问题最优解取决于子问题的最优解（状态转移方程）（将子问题称为状态，最终状态的求解归结为其他状态的求解）

## 编号动态规划：最大不下降子序列

　　本类的状态是基础的基础，大部分的动态规划都要用到它，成为一个维。

• 最长不下降子序列定义：从序列中选出若干个数组成一个新的序列，不改变他们的队伍的顺序，要求新的序列里xi≤xi+1≤xi+1.....举个例子{4,6,5,7,3}，最长不下降子序列就是{4,6,7}。

• 子问题的表示：令dp[i]表示以第i个元素结尾的前i个元素构成的最长不下降子序列的长度
• 优化子结构：若最长不下降子序列包括ak，则必有一个解包含a1,a2…ak-1的最长不下降子序列，dp[i]表示为前i个元素的序列的最长不下降子序列
• 方程： dp[i] = max{dp[j] | 0<j<i , aj≥ai} + 1
• 伪代码：

　　　　输入a[1,...,n]　　输出：最长子序列

 　　　　　

时间复杂度：O(n^2)

 ## 划分动态规划

【矩阵链乘】

• 优化子结构：若计算A1~n的优化顺序在k处断开矩阵链, 即A1~n=A1~k × Ak+1~n，则在A1~n的优化顺序中，对应于子问题A1~k的解必须是A1-k的优化解，对应于子问题Ak+1~n的解必须是Ak+1~n的优化解
• 子问题重叠性：