四、动态规划

动态规划的基本思想

将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。

适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。

如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。
我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。

设计动态规划法的步骤

1.找出最优解的性质，并刻画其结构特征；
2. 递归地定义最优值（写出动态规划方程）；
3. 以自底向上的方式计算出最优值；
4.根据计算最优值时得到的信息，构造一个最优解。
步骤1～3是动态规划算法的基本步骤。 在只需要求出最优值的情形，步骤4可以省略；
若需要求出问题的一个最优解，则必须执行步骤4。

动态规划问题的特征

最优子结构：
当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。

重叠子问题：
在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。

EQ1
矩阵连乘积问题。

m×n矩阵A与n×p矩阵B相乘需耗费 的时间。 我们把mnp作为两个矩阵相乘所需时间的测量值。
现在假定要计算三个矩阵A、B和C的乘积，有两种方式计算此乘积。
1.先用A乘以B得到矩阵D，然后D乘以C得到最终结果，这种乘法的顺序为（AB）C；
2. 乘法的顺序为A（BC）。
尽管这两种不同的计算顺序所得的结果相同，但时间消耗会有很大的差距。

动态规划
#define NUM 51
int p[NUM];
int m[NUM][NUM];
int s[NUM][NUM];
void MatrixChain　(int n)
{
　　for (int i=1; 　i<=n; 　i++)　m[i][i] = 0;
　　for (int r=2;　 r<=n; 　r++)
	for (int i=1;　 i<=n-r+1;　 i++) 
	{
	　　int j=i+r-1;　
	　　//计算初值，从i处断开
	　　m[i][j] = m[i+1][j]+p[i-1]*p[i]*p[j];
	　　s[i][j] = i;　
	　　for (int k=i+1; 　k<j; 　k++) 
	　　{　
		int t = m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
		if (t < m[i][j]) {m[i][j] = t; s[i][j] = k;}
	　　}
	}
}

递归算法
int Recurve(int i, int j)
{
　　if (i == j) return 0;
　　int u = Recurve(i, i)+Recurve(i+1,j)+p[i-1]*p[i]*p[j];
　　s[i][j] = i;
　　for (int k = i+1; k<j; k++) 
　　{
	int t = Recurve(i, k) + Recurve(k+1,j)+p[i-1]*p[k]*p[j];
	if (t<u) { u = t; s[i][j] = k;}
　　}
　　m[i][j] = u;
　　return u;
}

备忘录算法

int LookupChai  (int i, int j)
{
　　if (m[i][j]>0) return m[i][j];
　　if (i==j) return 0;
　　int u = LookupChain(i,i)+LookupChain(i+1,j)+p[i-1]*p[i]*p[j];
　　s[i][j] = i;
　　for (int k = i+1; k<j; k++) 
　　{
	int t = LookupChain(i,k)+LookupChain(k+1,j)+p[i-1]*p[k]*p[j];
	if (t < u) { u = t; s[i][j] = k;}
　　}
　　m[i][j] = u;
　　return u;
}

EQ2
计算最大子段和问题–动态规划。

#include<cstdio>
#include<algorithm>
using namespace std;
int dp[200005],a[200005];
int main()
{
    int n;
    scanf("%d",&n);
    for(int i=1;i<=n;i++)
        scanf("%d",&a[i]);
    dp[1]=a[1];
    int sta=1,en=1;
    int ans=a[1];
    for(int i=2;i<=n;i++)
    {
        dp[i]=max(dp[i-1]+a[i],a[i]);
        if(dp[i-1]<0)
          sta=i;
        if(ans<dp[i])
          en=i;
        ans=max(ans,dp[i]);
    }
    printf("%d %d\n",sta,en);
    printf("%d\n",ans);
    return 0;
}

EQ3
0-1背包问题–动态规划。

#include <iostream>
#include <cstring>
#include <cstdio>
#include<cmath>
#include<algorithm>
#define max(a,b) a>b?a:b
using namespace std;
int main()
{
    int T,N,V,f[1001],vol[1001],val[1001],tem;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d %d",&N,&V);
        for(int i=1;i<=N;i++)
        scanf("%d",&val[i]);
        for(int i=1;i<=N;i++)
        scanf("%d",&vol[i]);
        memset(f,0,sizeof(f));
        for(int i=1;i<=N;i++)
        {
            for(int j=V;j>=vol[i];j--)
            {
               f[j]=max(f[j],f[j-vol[i]]+val[i]);
            }
        }
        cout<<f[V]<<endl;
    }
    return 0;
}

EQ4
最长公共子序列。

#define NUM 100
int c[NUM][NUM];
int b[NUM][NUM];
void LCSLength　(int m, int n, const char x[],char y[])
{  
　　int i,j;
　　//数组c的第0行、第0列置0
　　for (i = 1; i <= m; i++) c[i][0] = 0;
　　for (i = 1; i <= n; i++) c[0][i] = 0;
　　//根据递推公式构造数组c
　　for (i = 1; i <= m; i++)
　　for (j = 1; j <= n; j++)
　　{
	if (x[i]==y[j]) 
	　　{c[i][j]=c[i-1][j-1]+1; b[i][j]=1; }		
	else if (c[i-1][j]>=c[i][j-1]) 
		{c[i][j]=c[i-1][j]; b[i][j]=2; }	
	else { c[i][j]=c[i][j-1]; b[i][j]=3; }		
　　}
}
……
void LCSLength　(int m, int n, const char x[],char y[])
{  
　　int i,j;
　　//数组c的第0行、第0列置0
　　……;
　　//根据递推公式构造数组c
　　
　  for (i = 1; i <= m; i++)
　　for (j = 1; j <= n; j++)
　　{
	if (x[i]==y[j]) 
	　　{c[i][j]=c[i-1][j-1]+1; b[i][j]=1; }		
	else if (c[i-1][j]>=c[i][j-1]　) 
		{c[i][j]=c[i-1][j]; b[i][j]=2; }		
	else { c[i][j]=c[i][j-1]; b[i][j]=3; }		
　　}
}
void LCS(int i,int j,char x[])
{
	if (i ==0 || j==0) return;
	if (b[i][j]== 1){ LCS(i-1,j-1,x);　 printf("%c",x[i]); }
	else if (b[i][j]== 2) LCS(i-1,j,x);
	else LCS(i,j-1,x);
}