动态规划学习（一）

动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，但是经过分解得到的子问题往往不是相互独立的。在用分治法求解的时候，子问题被重复计算了多次。
解决方法：保存已解决的子问题的答案，避免大量重复计算。

动态规划与分治法区别

• 适用于动态规划算法的问题，经分解得到的子问题往往不是相互独立的。若用分治法求解，则分解得到的子问题数目太多，最终导致原问题需要指数时间。
• 虽然子问题数目只有多项式量级，但用分治法求解时，子问题被重复计算多次。
• 动态规划的基本思想：构造一张表来记录所有已解决的子问题的答案。

动态规划算法的基本步骤

1. 找出最优解的性质（分析其结构特征）
2. 递归定义最优值（优化目标函数）
3. 自底向上得到最优值
4. 根据计算最优值得到的信息，构造最优解。

两个矩阵相乘（标准解法）
设A是pxq的矩阵，B是qxr的矩阵，数乘次数pxqxr，算法时间复杂度为O(n³)

void matrixMultiply(int **Ma,int **Mb,int **Mc,int ra,int ca,int rb,int cb){
	if(ca ! rb) error("矩阵不可乘");
	for(int i=0; i<ra; i++){
		for(int j=0;j<cd;j++){
			int sum = 0;
			for(int k=0;k<ca;k++){
				sum += Ma[i][k] * Mb[k][j];
			}
			Mc[i][j] = sum;
		}
	}
}

矩阵连乘问题
给定n个矩阵：{A1,A2,…,An}，其中Ai与Ai+1可乘。
求解这n个矩阵的连乘积。
矩阵乘法满足结合律，因此有多种计算顺序

动态规划法

• 将矩阵连乘积（Ai Ai+1 … Aj）记为A[i:j]
• 计算A[1:n]的最优计算次序：设最优计算次序在Ak和Ak+1之间将矩阵链断开(1<=k<n)
• 则完全加括号方式为：(A1…Ak)(Ak+1…An)
• 总计算量为A[1:k] + A[k+1,n] + A[1:k]和A[k+1]相乘的计算量。

1.分析最优解的结构
A[1:n]的最优计算次序所包含的矩阵子链也是最优的。即A[1:k]和A[k+1:n]的计算次序也是最优的。
最优子结构性质：矩阵连乘计算次序问题的最优解包含其子问题的最优解
2.建立递归关系