算法学习笔记——动态规划：核心思想与求解步骤

动态规划核心思想

首先要明确，只要涉及求最值，一定是穷举所有可能，然后比较得出最值，穷举可以是回溯（暴力穷举）、递归等，满足重叠子问题等特征时，可以优化穷举的效率，也就是动态规划

• 动态规划本质就是将问题拆分为子问题+穷举，但不是暴力穷举，其思想源于暴力穷举，但使用了“备忘录”或DP Table进行优化，从而利用子问题解决大问题，此外再无奥妙可言（思考如何穷举->追求聪明地穷举）
• 动态规划一般都涉及表格，就是用一个表记录所有已解决子问题的解，并在此后尽可能的利用这些子问题的解，进而解决总问题
• 动态规划三要素：重叠子问题、最优子结构、状态转移方程

找状态转移方程的方法

找状态转移方程，核心问题就是状态、选择、DP数组的定义

1. 思考问题有什么“状态”，即算法推进过程中会改变的变量
   一般有几个状态量，dp数组就需要几个维度
2. 思考对于每个状态，有什么“选择”使状态改变
   ps. 技巧：类比数学归纳思想，假定已知dp[0]...dp[i-1]，问自己怎么通过这些结果算出dp[i]，最后将这个模式套入所有dp的推导即可
3. 思考如何用DP数组/函数的含义来表现“状态”和“选择”
   一般DP数组的下标（或DP函数的参数）就是2中的“状态”，DP数组保存的变量就是要优化的指标
4. 思考问题的base case（最简单情况）是什么

一般而言，动态规划就是将某个指标最大化，这个值的最优，由子问题的最优来实现，子问题通常就是单元格的值，而不断进行“转移”的状态就是单元格的坐标，由此，求解每个单元格的子问题，最终求解整个问题

进一步优化：状态压缩

• 进一步的，写出完整动态规划解法后，如果dp表中各单元格的计算只依赖相邻的单元格，还可以进行状态压缩（仅用于降低空间复杂度，但可读性大大降低）
  例如，二维dp表，每行只依赖上一行，就可以压缩为一维dp表
  甚至每格依赖左上、上、左的情况，也可以压缩

DP问题一般求解步骤

技巧：

• 动态规划中，需要将某个指标最大化
• 这个要优化的值，通常就是单元格的值
• 由此确定子问题，找出DP Table网格的坐标轴

套路：遇到求最值问题，先思考最优子结构（用子问题解决大问题），写出状态转移方程，就对应暴力解，从暴力解就可看出有无重叠子问题，如果有就用dp数组优化

步骤：

1. 找出“状态”和“选择”
2. 明确dp数组/函数的定义
3. 寻找“状态”间的关系（找状态转移方程）
   技巧：找状态转移方程需要归纳思维，类比数学归纳思想，假定已知dp[0]...dp[i-1]，问自己怎么通过这些结果算出dp[i]，最后将这个模式套入所有dp的推导即可
   技巧：先找出base case和最终答案位置，根据相对位置关系猜测状态转移方程

如果这步无法完成，可能是由于dp数组含义定义不恰当，需要重新定义；也可能时dp给出的信息不够，不足以推出下一步，需要将dp扩大为二维/三维数组