第十六章：动态规划入门

 动态规划入门

什么是动态规划，我相信大多数同学都听过关于他的传说，但是都未真正的见识到他的庐山真面目。动态规划一直是算法竞赛中的重中之重，也是非常难的一类问题。无论是小学竞赛还是后面初高中和大学算法竞赛，都会时常见到他的身影。动态规划作为一类非常复杂的算法问题，因此现阶段，我们只需要对动态规划做一个初步的了解即可，随着我们后面的学习和知识的不断积累，还会继续深入的学习动态规划的其他知识点，所以同学们在学习本章节时也不要有太大的负担。

好消息是，最近几年，合肥市信息学竞赛都未涉及动态规划类型的题目。坏消息是，在去年的庐阳区区赛的最后一题考察了动态规划的题目。因此大家对于一些简单的动态规划类型的题目还是需要掌握的，小学阶段的动态规划代码都非常简单，因此学习的重点在于，遇到一道题目的时候我们为什么要选择使用动态规划问题？希望同学们带着这个问题学习动态规划章节。

本阶段，我们只讲解动态规划中的两个最简单的问题，分别是线性动态规划问题和01背包问题。

现在，我们试着从一个例子带大家一步步来认识什么是动态规划吧。

从一个生活问题谈起

　　先来看看生活中经常遇到的事吧；假设您是个土豪，身上带了足够的1、5、10、20、50、100元面值的钞票。现在您的目标是凑出某个金额w，需要用到尽量少的钞票。

　　依据生活经验，我们显然可以采取这样的策略：能用100的就尽量用100的，否则尽量用50的……依次类推。在这种策略下，666=6×100+1×50+1×10+1×5+1×1，共使用了10张钞票。

　　很显然，这种算法思想大家非常熟悉，这就是“贪心”。但是，这种贪心策略一定是对的吗？

　　举另外一个例子，如果我们换一组钞票的面值，贪心策略就也许就不成立了。如果一个奇葩国家的钞票面额分别是1、5、11，那么我们在凑出15的时候，贪心策略会出错：
　　15=1×11+4×1 （贪心策略使用了5张钞票）
　　15=3×5 （正确的策略，只用3张钞票）
　　为什么会这样呢？贪心策略错在了哪里？

鼠目寸光

　　刚刚已经说过，贪心策略的纲领是：“尽量使接下来面对的w更小”。这样，贪心策略在w=15的局面时，会优先使用11来把w降到4；但是在这个问题中，凑出4的代价是很高的，必须使用4×1。如果使用了5，w会降为10，虽然没有4那么小，但是凑出10只需要两张5元。
　　在这里我们发现，贪心是一种只考虑眼前情况的策略。

　　那么，现在我们怎样才能避免鼠目寸光呢？

　　如果直接暴力枚举凑出w的方案，明显复杂度过高。太多种方法可以凑出w了，枚举它们的时间是不可承受的。我们现在来尝试找一下性质。

　　重新分析刚刚的例子。w=15时，我们如果取11，接下来就面对w=4的情况；如果取5，则接下来面对w=10的情况。我们发现这些问题都有相同的形式：“给定w，凑出w所用的最少钞票是多少张？”接下来，我们用f(n)来表示“凑出n所需的最少钞票数量”。

　　那么，如果我们取了11，最后的代价（用掉的钞票总数）是多少呢？
　　明显cost=f(4)+1=4+1=5 ，它的意义是：利用11来凑出15，付出的代价等于f(4)加上自己这一张钞票。现在我们暂时不管f(4)怎么求出来。
　　依次类推，马上可以知道：如果我们用5来凑出15，cost就是f(10)+1=2+1=3 。

　　那么，现在w=15的时候，我们该取那种钞票呢？当然是各种方案中，cost值最低的那一个！

• 取11：cost=f(4)+1=4+1=5
• 取5： cost=f(10)+1=2+1=3
• 取1： cost=f(14)+1=4+1=5

　　显而易见，cost值最低的是取5的方案。我们通过上面三个式子，做出了正确的决策！

这给了我们一个至关重要的启示—— f(n)只与f(n-1),f(n-5),f(n-11) 相关；更确切地说：

f(n)=min{f(n-1),f(n-5),f(n-11)}+1;

　　这个式子是非常激动人心的。我们要求出f(n)，只需要求出几个更小的f值；既然如此，我们从小到大把所有的f(i)求出来不就好了？注意一下边界情况即可。代码如下：

#include<bits/stdc++.h>
using namespace std;
int main()
{
    int f[105],i,n,cost;
    cin>>n;
    f[0]=0;
    for(i=1;i<=n;i++)
    {   
        cost=INT_MAX;
        if(i-1>=0)  cost=min(cost,f[i-1]+1);  
        if(i-5>=0)  cost=min(cost,f[i-5]+1);
        if(i-11>=0) cost=min(cost,f[i-11]+1);
        f[i]=cost;
        cout<<"f["<<i<<"]"<<"="<<f[i]<<endl; 
    }
    cout<<f[n]; 
}

Copy

　　我们以O(n)的复杂度解决了这个问题。现在回过头来，我们看看它的原理：

• f(n)只与f(n-1),f(n-5),f(n-11) 的值相关。
• 我们只关心f(w)的值，不关心是怎么凑出w的。

　　这两个事实，保证了我们做法的正确性。它比起贪心策略，会分别算出取1、5、11的代价，从而做出一个正确决策，这样就避免掉了“鼠目寸光”！

　　它与暴力的区别在哪里？我们的暴力枚举了“使用的硬币”，然而这属于冗余信息。我们要的是答案，根本不关心这个答案是怎么凑出来的。譬如，要求出f(15)，只需要知道f(14),f(10),f(4)的值。其他信息并不需要。我们舍弃了冗余信息。我们只记录了对解决问题有帮助的信息——f(n).

　　我们能这样干，取决于问题的性质：求出f(n)，只需要知道几个更小的f(c)。我们将求解f(c)称作求解f(n)的“子问题”。

　　这就是DP（动态规划，dynamic programming）.

　　将一个问题拆成几个子问题，分别求解这些子问题，即可推断出大问题的解。

思考题：请稍微修改代码，输出我们凑出w的方案。

几个简单的概念

【无后效性】

　　一旦f(n)确定，“我们如何凑出f(n)”就再也用不着了。

　　要求出f(15)，只需要知道f(14),f(10),f(4)的值，而f(14),f(10),f(4)是如何算出来的，对之后的问题没有影响。

　　“未来与过去无关”，这就是无后效性。

　　（