动态规划专题学习之一-概述分析

概述

动态规划用来解决一些最优化问题，它通过充分利用问题的最优子结构与重复子问题性质来快速求解，应用广泛，思想深刻，也常搭配其他算法与数据结构，灵活度高，思维难度较大（我认为）。

三要素

状态

表示当前的信息

转移

状态之间的转化

决策

是否进行转移的判断，选择最优的转移

思想

基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。
与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。

适用范围

简单理解为：①对于原问题，存在子问题到原问题的转化②子问题在同一个问题下不重复，在不同问题下重叠（动态规划时间复杂度小的关键，此处也可以线段树的构建方式类比）

最优化原理（最优子结构性质）

一个问题的最优解包含其子问题的最优解

无后效性

同一个原问题的一个子问题的解不影响另一个子问题的解。换句话说，每个状 态都是过去历史的一个完整总结。（若想做到这点，可以采取记忆化搜索，即备份型递归，自顶至底地寻找最优解，一旦找到，记录在表中（这里和线段树的查询操作很像：一旦找到一个区间被包含，则直接判断，不再递归），也可以用递推方式，即自底向上（此处类似线段树的构建），但要注意循环的顺序，要将各阶段按照一定的次序排列好，这直接关系到答案的正误，顺序的判
断要根据状态转移方程）
注意：有时换一个划分状态或阶段的方法就满足无后效性了，这样的问题仍然可以用动态规划。

子问题的重叠性

当一个问题的求解要反复求解相同的子问题时，可考虑能否使用动态规 划算法。动态规划实质上是一种以空间换时间的技术，它在实现的过程中，存储产生过程中的各种状态，所以它的空间复杂度要大于其它的算法。该性质并不是动态规划适用的必要条件，但是
如果没有这条性质，动态规划算法同其他算法相比就不具备优势。

---

此部分有所引用

---

设计方式

1.判断能否使用动态规划算法，若能，考虑其时空复杂度。
2.刻画一个最优解的结构特征，找到状态
3.递归的定义最优解的值，找到转移方程和决策
4.计算最优解的值，通常自底向上
5.利用计算出的值构造最优解

解题思路

模型匹配法

最先考虑的就是这个方法了。挖掘问题的本质，如果发现问题是自己熟悉的某个基本的模型，
就直接套用，但要小心其中的一些小的变动，现在考题一般都是基本模型的变形套用时要小心条
件，三思而后行。

三要素法

仔细分析问题尝试着确定动态规划的三要素，不同问题的却定方向不同：
先确定阶段的问题：数塔问题，和走路问题
先确定状态的问题：大多数都是先确定状态的。
先确定决策的问题：背包问题。
一般都是先从比较明显的地方入手，至于怎么知道哪个明显就是经验问题了，多做题就会发现。

寻找规律法

这个方法很简单，耐心推几组数据后，看他们的规律，总结规律间的共性，有点贪心的意思。

边界条件法

找到问题的边界条件，然后考虑边界条件与它的领接状态之间的关系。这个方法也很起效。

放宽约束和增加约束

这个思想是在陈启锋的论文里看到的，具体内容就是给问题增加一些条件或删除一些条件使问题变的清晰。

时间复杂度的分析

一般为 状态数×决策复杂度×转移复杂度