重叠子问题

做了几道题让我想起一个问题，就是重叠子问题这个思想。

记得动态规划优化问题的两个要素就是，最优子结构和重叠子问题。

关于重叠子问题的优化，就是这些子问题可能多次用到，多次计算，所以可以事先计算了，然后用到的时候查表。

比如之前的codejam的B题，里面就有重叠子问题，小数据的时候，一般都可以写出，而大数据的时候你再用一般的方法，程序跑出结果的时间就非常慢，而如果事先预处理，将一定范围的值先计算出来，需要的时候查表即可，速度快了很多。

再如UVa 253题，你可以根据每次输入进行立方体的旋转变化，但如果你事先将24种状态都计算出来，后面只需要对24种状态查找即可。

我们常常考虑问题都是对一组数据来看，所以往往最初设计或实现的算法都是针对一组数据，稍加注意，就可以用重叠子问题来优化。有时候也能想到计算出一个大范围内的数据，但总会觉得计算得多了（比如，对于n=5，你只需要计算到5就行了，而你用打表的方法，可能是事先计算到n=10000；对于n=5这组数据来说，这样的确是计算得太多了，但从整体输入来说，省去了很多重复的计算）这样的方法，单从一组数据来看，肯定是直接计算该组数据来得快些，但从大规模输入数据，比如ACM题的大量输入来看，则优化了很多。有的直接是从O（n2）的复杂度降到了O（n）；直观的对比，就是codejam的B题，用两种方法，效率差别太大。

之前自己已经有这个思想了，太久没做题，好像忘了，刚刚做UVa 253 自己突然想到了。借此提醒一下自己。