动态规划-DynamicProgramming

1. 动态规划可以解决哪些问题？

（1）计数

-有多少种方式走到右下角

-有多少种方法选出k个数使得和是sum

（2）最值

-从左上角走到右下角路径的最大数字和

-最长上升子序列长度

（3）存在性

-取石子游戏，先手是否必胜

-能不能选出k个数使得和是sum

2. 动态规划步骤

2.1 确定状态 state

状态在动态规划中属于定海神针。简单的说，解动态规划的时候需要开一个数组，数组的每个元素f[i]或者f[i][j]代表什么，类似于数学题中，X, Y, Z代表什么。

确定状态需要两个意识：

1）最后一步

2）子问题

下面以一个例子进行讲解：

有足够多的三种面值的硬币：2元，5元和7元，要支付总额为27元的商品，要求支付的硬币数量最少。

2.1.1 最后一步 

虽然我们不知道最优策略是什么，但最优策略肯定是K枚硬币a1, a2 ... ak面值加起来是27.

所以一定有一枚最后的硬币：ak，除掉这枚硬币，前面的硬币面值加起来是27-ak。

关键点1：

我们不关心前面的k-1枚硬币是怎么拼出27-ak的（可能有1种拼法，也可能有100种拼法），而且我们甚至还不知道ak和k，但我们确定前面的硬币拼出了27-ak。

关键点2：

因为是最优策略，所以拼出27-ak的硬币数一定最少，否则这就不是最优策略了。

2.1.2 子问题

原问题是如何用最少枚硬币拼出27，现在我们将问题转为了：如何用最少枚硬币可以拼出27-ak，转成了一个比原问题规模更小的一个子问题。

为了简化定义，我们设状态f(X)=最少用多少枚硬币拼出X。

但我们还不知道最后那枚硬币ak是多少，但ak只可能是2，5或者7，所以：

1）如果ak是2，则f(27) = f(27-2) + 1（加上最后的这枚2元的硬币）；

2）如果ak是5，则f(27) = f(27-5) + 1（加上最后的这枚5元的硬币）；

3）如果ak是7，则f(27) = f(27-7) + 1（加上最后的这枚7元的硬币）；

除此之外，没有其他可能性了，所以：

f(27) = min(f(27-2) + 1, f(27-5) + 1, f(27-7) + 1)

2.1.3  递归解法

 递归存在的问题：

做了很多重复计算，效率低下。

我们可以将计算的结果保存下来，并改变计算顺序。

2.2 转移方程

设状态f(X)=最少用多少枚硬币拼出X

那么对于任意X，有以下等式：

f(X) = min(f(X-2) + 1, f(X-5) + 1, f(X-7) + 1)

转移方程其实就是将一个大的问题拆分成若干个规模更小的子问题。

2.3 初始条件和边界条件

要解决的是算法的最小拆分单元（再小就不能拆了），以及算法何时结束（不能无止境的计算下去），还要防止程序出现异常（例如数组不能越界），

初始条件f(0) = 0; 状态不能从转移方程求得，但是它是有值的；

2.4 计算顺序

2.4.1 自顶向下

从最大的问题触发开始解，拆分成每个对应的子任务，直到子任务是初始条件。

2.4.2 自底向上

由初始条件f(0) = 0开始，逐步计算f(1), f(2)...f(27)得到结果