【无标题】

如何解决动态规划类型问题

一.什么是动态规划

动态规划（Dynamic Programming），又称DP。动态规划的中文名称翻译过来比较高大上，实际上是运筹学的一个分支，早期50年代提出的一种求解决策过程最优化的过程。

我们可以看到早期动态规划是处理决策最优解的，于是这里引出2个问题：

1. 什么问题可以使用动态规划解决
2. 如何找到最优解

这里我个人认为可以从2个特征上快速入手

1. 存在有限固定策略
2. 大问题可以分解为重复的子结构

理解这个特征我们先引用一个经典按案例
案例：存在1、2、5、7不同面值的纸币，如何用最少的纸币组合支付97元的物品

分析：这里的问题是求解纸币组合的最优策略，符合动态规划的解题需求。假定我们可以用动态规划解决

1.这里存在什么样的策略
第一种：依次判断是否使用该纸币 得出一个伪代码
1
yes no
2
yes no
5
yes no
10
得出求解问题过程中的2个策略，“使用”“不使用”，符合有限策略。这里存在一个逻辑上的转换，不使用1就判断是否使用2，不使用2就判断是否使用5…
因此，我们简化为第二种策略

第二种：使用 1 or 2 or 5 or 10 面值的纸币，存在4中有限策略

很显然策略2符合逻辑，我们找到了有限策略，需要判断在循环求解过程中这组策略是否固定
分析：每次选择纸币的时候都是从1、2、5、10中选择一张，所以是固定策略

因此我们得到了有限固定策略：选择1、2、5、10

2.大问题分解为重复子结构
分析：动态规划是求最优解的过程，我们需要保证每一步都是最优解

97由什么组成？
97
1+？ 2+？ 5+？ 10+？
这里我们使用有限固定策略分解了97的最优组成，得出4中情况，很显然每种情况中的“？”依然可以使用类似的方式递归分解为最优解
于是我们可以写出这么一个方程

dp(n) = min{dp(n-1)+1, dp(n-1)+2, dp(n-1)+5, dp(n-1)+10}
*这里的变量即我们的求解步数

我们把这个方程称之为“状态转移方程”，这也是求解动态规划问题的核心。
动态规划最大的问题在于如何找到“状态转移方程”，我个人的寻找方式便是分析问题寻找2个特征
1.存在有限固定策略
2.大问题可以分解为重复的子结构

当然在求解dp方程时，会遇到重复的子结构，我们建立一个额外的数组来存储每次递归的求解值，这样就可以避免重复计算相同结构问题
*当我们的子结构计算到不能分解时，我们还需要提前找到边界值（dp方程都写出来了，边界值不至于找不到）

二、动态规划练习

1.s长度的数组n，每位有f数量的金币，现在让你从这个数组中取最多的金币，条件（不可重复取同一位，相邻数组无法同时取到）
dp[i] = max{n[i] + dp[i - 2], dp[i-1]}

三、动态规划思考

A星是否是动态规划？
从动态规划角度分解
从贪心思想解决

A星的核心应该是启发式函数