ACM 学习总结报告（六）

动态规划

动态规划的常用两种形式
（1）递归型
优点：直观，容易编写
缺点：可能会因递归层数太深导致爆栈，函数调用带来额外
时间开销。无法使用滚动数组节省空间。总体来说，比递推型
慢。
(2）递推型
效率高，有可能使用滚动数组节省空间
动规解题的一般思路

1.将原问题分解为子问题
　　 把原问题分解为若干个子问题，子问题和原问题形式相同或类似，只不过规模变小了。子问题都解决，原问题即解决。
　　子问题的解一旦求出就会被保存，所以每个子问题只需求解一次。
2. 确定状态
　　 在用动态规划解题时，我们往往将和子问题相关的各个变量的一组取值，称之为一个“状态”。一个“状态”对应于一个或多个子问题，所谓某个“状态”下的“值”，就是这个“状态”所对应的子问题的解。
　　所有“状态”的集合，构成问题的“状态空间”。“状态空间”的大小，与用动态规划解决问题的时间复杂度直接相关。在数字三角形的例子里，一共有N×(N+1)/2个数字，所以这个问题的状态空间里一共就有N×(N+1)/2个状态。整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次，且在每个状态上作计算所花的时间都是和N无关的常数。
　　用动态规划解题，经常碰到的情况是，K个整型变量构成一个状态（如数字三角形中的行号和列号这两个变量构成“状态”）。如果这K个整型变量的取值范围分别是N1, N2, ……Nk，那么，我们就可以用一个K维的数组array[N1] [N2]……[Nk]来存储各个状态的“值”。这个“值”未必就是一个整数或浮点数，可能是需要一个结构才能表示的，那么array就可以是一个结构数组。一个“状态”下的“值”通常会是一个或多个子问题的解。
3. 确定一些初始状态（边界状态）的值
　　以“数字三角形”为例，初始状态就是底边数字，值就是底边数字值。
4. 确定状态转移方程
　　定义出什么是“状态”，以及在该 “状态”下的“值”后，就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的“状态”，求出另一个“状态”的“值”(“人人为我”递推型)。状态的迁移可以用递推公式表示，此递推公式也可被称作“状态转移方程”。