算法分析与设计之动态规划

1、用动态规划法求解的问题具有的特征

（1）原问题可以分成子问题

（2）子问题之间的递归具有最优子结构的性质

2、动态规划法设计算法一般分成三个阶段

（1）分解

        将原问题分解成若干个相互重叠的子问题。

（2）分析

        分析问题是否满足最优性原理，找出动态规划函数的递推式

（3）求解

        利用递推式自底向上计算，实现动态规划过程

        总之，动态规划法利用问题的最优性原理，以自底向上的方式从子问题的最优解逐步构造出整个问题的最优解。

3、应用的问题

（1）0/1背包问题

        a、问题的形式化描述如下：

        输入：一个物品集S={1,2,...,n}。物品i有重量Wi和价值Vi。重量上限W。

        输出：价值总量最大且重量小于W的物品子集。

（注：这里0/1的意思是我们只能选择这个物品，或者放弃这个物品，不能选择物品的部分，如物品的0.5个）

        b、分析与解决

        我们将求解过程想象成一系列的决策。在第i个决策时，我们考虑是否选择这个物品i

        假设我们已经获得最优解，考虑第一个决策，即最优解中有没有物品n（要不要选物品n）

        选择：需要从{1,2,...,n-1}中选择尽可能贵的物品使得物品重量在W-wn以下

        不选：我们需要从{1,2,...,n-1}中选择尽可能贵的物品使得重量在W以下

        则可以分析出最优子结构：

        

        c、0/1背包伪代码

        首先，当没有物品时，背包能装最大价值为0；当开始有物品时按照上面写的结构进行依次选择。

KNANSACK(n,W)
for w=1 to W do
    opt[0,w]=0
end for
for i=1 to n do
    for w=1 to W do
        opt[i,w]=max{opt[i-1,w],opt[i-1,w-wi]+vi}
    end for
end for

d、表格化看0/1背包

假设背包容量为6，有三个物品分别为

可供选择的物品

w1=2	v1=2
w2=2	v2=2
w3=3	v3=3

将其用表格来表示每次选择

i\w	0	1	2	3	4	5	6
3	0	0	2	3	3	5	5
2	0	0	2	2	4	4	4
1	0	0	2	2	2	2	2
0	0	0	0	0	0	0	0

关于应用还没写完，后面将再补充几个动态的例子及应用的代码~