算法设计：动态规划

动态规划的原理：

首先我们来想一个这样的问题：分治法平时很好用，但是假如我的子问题有很多重复的部分，那我不晓得要多多少重复计算，例如这种算法：

fib(n-1)和fib(n-2)的计算过程中有大量的重复：

 太浪费了，我们可以这样算：

那这种问题我要怎么优化呢？：

看起来有点复杂，我的理解就是：子问题的解被重复利用了。

这样，动态规划正式上场：

 什么时候可以用这个方法呢？： 

接下来举一个例子：

注意注意注意：这里要求的是一个最简的计算的方法，不是要你求出来 

我们的算法有很多，我们难道要一个一个检查吗？先复习一下常规步骤：

我们现在要进行第一步了： 

 一言以蔽之：就是总问题的优化解是由两个子问题解组成的，而这个子问题的解也因该是优化解。母问题最优解包含子问题最优解。

然后还有一点：为什么这个问题会存在重复的现象？：

你看，假如我一个一个地检查，那要浪费多少。

接下来量化最优解的代价： 

 

我们可以看出一个规律：

这个箭头不用在意是什么，只是和下面的算法相关，我们要一条一条往上算，算第二条的时候保证第一条是算完了的，因为算第二条的数都在前面的条上。

这里的伪代码有一点不对。记录s的地方应该在for循环里面。但也无伤大雅，知道意思就行。只要算到了前面的，后面的就可以通过之前的结果算出来，就比如计算m[1,2],m[1,2]=m[1,1](也就是0)+m[2,1](不存在，也是0)+pgr,这样就可以了，然后就是不断地向上走。

最后优雅地打印出结果。

最长公共子序列问题：

 注意，子序列不一定要连着：

这么水，怪不得DNA都有那么多相似的地方，那就是乱打都能有很多相同····

 这个问题如何解决？：

可以想象：假如xm=ym,但zk不等于xm,那我可以在当前的相同子序列后面加上一个xm(或者说ym)不就可以得到一个更长的序列了吗？所以xm=ym=zk,

2，3步也就是把不可能加入z的项去掉，简化问题。

故可以知：

重叠性也可以看出来了：

 接下来就要写出递归方程：

有没有发现目前为止的所有问题，都要写出递归方程并且方程中会出现“一个方程等于两个方程之和，而这两个方程计算过程中会有重复部分”的情况，这就是使用动态规划的好时机！

接下来就是一条一条地计算：

 伪代码写在下面：

硬核指针，记录自己从哪来，如果是横，竖的那就说明自己这一项没出息，不相等，斜的就是自己相等，到时候就可以根据这个找到那些是相等的，也就知道了LCS是哪些了。

0-1背包问题：

用数学的方式写出来就是：

现在，我要开始优化了：

去掉开头一个元素，开始简化。

老规矩，准备写递归方程：

这里简单解释一下：假如j(容量)直接放不下i,那i肯定不在背包里，那我直接丢弃它，有和没有价值是一样的。但是假如j>wi，那有可能i在背包里。那我就要掂量一下了，我要比较一下：假如它不在最好背包里，那我就可以直接到i+1去；假如他在最好背包里，那我就要在去到i+1的同时剪掉一部分背包的容量（因为这个i在背包里原本是占了位置的），还要把i的价值加给m(i,j)

对初始值的一些解释：假如最开始的时候背包直接装不下，那背包里的价值肯定是0.假如装得下，那我们刚才知道，子问题最优解也是母问题最优解，那我就要把他装下。可以看图更好理解：

可以看到，我想要计算m(1,c)是多少，那就要算m(2,c)和m(2,c-w1)+v1的大小，而这两个m也要这样计算·····那我就干脆从头开始，计算所有可能要用到的值，比如m(4,c-w1-w2-w3)···

还是有点抽象，我们用实例来看一看：

 这样就可以了吧？接下来还有问题：

最优二叉查找树：

 接下来我们又是经典的分解问题，树的分解是什么？当然是子数啦：

用数学一点的说法就是：

 证到了子问题和母问题优化解是一样的，那就开始量化代价，弄递归方程。

这里要解释一下什么是w.w就是kr的存在让左右子树多的那一部分期望。我们处理子问题的时候，算出的期望是这个小树的期望，在大树里不是这样，大家都加了一个节点呢！但是要注意，上面加了一个节点，大家的深度虽然是都加了一，但大家的人没凑齐，说以期望不是单纯地加一，具体是加了“这个树里的概率之和”：

W(r+1,j) 同理。于是我们可以定义一个W(i,j)，就是：

 那我们就可以把刚刚的公式化简成这样：

这里有个小插曲：W(i,j)计算不困难，但每次都算的话还是有重复运算，所以它也有自己的“动态规划”算法，W(i,j)=W(i,j-1)+pj+qj.    

对初始值解释一下：假如j=i的话，那就相当于只有一个"K"式节点。比i还小那就是只有一个叶子节点了。那么这个问题一下子就变得和上面的问题一样简单了。

这个很好理解，那下面这个呢？

简单的记法就是E和W的初始值是一样的。

 这里解释一下为什么W有这个特性。K1K2到Kn都是由小到大的，最后一个去掉了在这个搜索树中就是最右边的节点去掉了，也就是去掉了pj和qj。最后献上伪代码：