再谈谈动态规划DP（dynamic programming）

动态规划是求解决策过程最优化的数学方法。利用各个阶段之间的关系，逐个求解，最终求得全局最优解，需要确认原问题与子问题、动态规划状态、边界状态、边界状态结值、状态转移方程。

和分治法一样，动态规划是通过组合子问题的解而解决整个问题的。分治法是指将问题划分成一些独立的子问题，递归的求解各子问题，然后合并子问题包含公共的子子问题。在这种情况下，若用分治则会做许多不必要的工作，即重复的求解公共的子子问题。动态规划算法对每个子子问题之求解一次，将结果保存在一张表中，从而避免每次遇到各个子问题时重新计算答案。
动态规划属于最优化问题。此类问题可能有很多种可行解。每个解有一个值，而我们希望找出一个具有最优值得解。称这样的解为该问题的“一个”最优解，而不是“确定”的最优解，因为可能存在多个取最优解的值。
动态规划算法的设计可以分为如下4个步骤：

1. 描述最优解的结构
2. 递归定义最优解的值
3. 按自底向上的方式计算最优解的值
4. 由计算出的结果构造一个最优解

多阶段决策过程（multistep decision process）是指这样一类特殊的活动过程，过程可以按时间顺序分解成若干个相互联系的阶段，在每一个阶段都需要做出决策，全部过程的决策是一个决策序列。动态规划（dynamic programming）算法是解决多阶段决策过程最优化问题的一种常用方法，难度比较大，技巧性也很强。利用动态规划算法，可以优雅而高效地解决很多贪婪算法或分治算法不能解决的问题。动态规划算法的基本思想是：将待求解的问题分解成若干个相互联系的子问题，先求解子问题，然后从这些子问题的解得到原问题的解；对于重复出现的子问题，只在第一次遇到的时候对它进行求解，并把答案保存起来，让以后再次遇到时直接引用答案，不必重新求解。动态规划算法将问题的解决方案视为一系列决策的结果，与贪婪算法不同的是，在贪婪算法中，每采用一次贪婪准则，便做出一个不可撤回的决策；而在动态规划算法中，还要考察每个最优决策序列中是否包含一个最优决策子序列，即问题是否具有最优子结构性质。

动态规划算法的有效性依赖于待求解问题本身具有的两个重要性质：最优子结构性质和子问题重叠性质。

1、最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质（即满足最优化原理）。最优子结构性质为动态规划算法解决问题提供了重要线索。

2、子问题重叠性质。子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次需要计算已经计算过的子问题时，只是在表格中简单地查看一下结果，从而获得较高的解题效率。

当我们已经确定待解决的问题需要用动态规划算法求解时，通常可以按照以下步骤设计动态规划算法：

1、分析问题的最优解，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；

3、采用自底向上的方式计算问题的最优值；

4、根据计算最优值时得到的信息，构造最优解。

1～3步是动态规划算法解决问题的基本步骤，在只需要计算最优值的问题中，完成这三个基本步骤就可以了。如果问题需要构造最优解，还要执行第4步；此时，在第3步通常需要记录更多的信息，以便在步骤4中，有足够的信息快速地构造出最优解。

作者：碧影江白
链接：https://www.jianshu.com/p/f02cb13cdb35
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。