算法：动态规划

动态规划学习

动态规划适合与解决最优问题，求最大值最小值等，可以显著降低时间复杂度。

动态规划算法思想：

一个模型： 多阶段决策最优解模型。

三个特征：

1. 最优子结构：文图的最优解包含子问题的最优解；
2. 无后效性：推导后面阶段的状态时，只关心前面阶段的状态值，不关心状态时怎么来的，某阶段的状态决定之后不受之后阶段状态的影响。
3. 重复子问题：不同的决策序列，到达某个相同的阶段可能会产生重复的状态。

解决动态规划问题的解题总结：

1. 状态转移表法： 将解决问题转化成状态表，分阶段填充状态表的每个状态。
   解题思路：回溯算法实现 - 定义状态 - 画递归树 - 找重复子问题 - 画状态转移表 - 根据递推关系填表 - 将填表过程翻译成代码。
2. 状态转移方程法： 某个问题如何通过子问题来递归求解，也就是所谓的最优子结构。根据最优子结构，写出递归公式，也就是所谓的状态转移方程，代码的实现可以用递归加“备忘录”或者是迭代递推。
   大致思路可以概括为，找最优子结构 - 写状态转移方程 - 将状态转移方程翻译成代码。

0-1背包问题：

• 回溯算法的思路：