【算法导论】Fast-Review简记（四）动态规划

写在前面

该博文是根据《算法导论（第二版）》机械工程出版社 的主要内容（部分章节未涉及），哈工大老师授课ppt写就的，非常不全面，仅用于快速入门或复习算法。

动态规划简介

• 动态规划是解决优化问题（给定一个代价函数，在问题的解空间中搜索具有最小或最大代价的优化解）的一种常见方法
• 适用条件：
  • 优化子结构：当一个问题的优化解包含了子问题的优化解时，我们说这个问题具有优化子结构。
  • 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

算法设计步骤

• 分析优化解的结构
  • 分析优化子结构：优化解的子结构一定是子问题的优化解
  • 重叠子问题：递归的过程中需要重复计算
• 写递归方程（假设子问题已知，关注一次递归的细节即可）
  • 定义变量及其意义：将最优解的代价用数学表达式表达出来，一般就是要求的最后结果
  • 定义变量之间的关系：递归地划分子问题，直至不可分，也就是初始结构
• 自底向上地求解各个子问题
  • 获取构造最优解的信息：初始化的值，计算的方向
  • 计算优化解的代价并保存之
• 编码
  • 根据构造最优解的信息构造优化解，获取所需结果
  • 如果需要，增加记录信息矩阵，递归的访问

举例：最长公共子序列

• 分析优化解的结构

  • 优化子结构（证明比较多，不放了，主要思想就是反证替换法，子问题存在一个更好的优化解，则加上新条件后优于当前的优化解）：
    
  • 子问题重叠性：
    

• 写递归方程

  • 定义变量及其意义：最后要求LCS的长度，那就定义$C[i,j]$ 为 $X_{0\to i}$与$Y_{0\to j}$ 的LCS的长度
  • 定义变量之间的关系：分别考虑刚开始，结尾和中间情况（需要分情况讨论）
    

• 自底向上地求解各个子问题

  • 获取构造最优解的信息：初始化所有i=0，j=0的变量为0，然后自左上至右下的计算
    
  • 计算优化解的代价并保存之

• 编码

  • 根据构造最优解的信息构造优化解，获取所需结果
    
  • 如果需要，增加记录信息矩阵，递归的访问，如此找到的“LCS”是X与Y的LCS的Inverse