动态规划算法

基本思想：将问题分解成若干个子问题，与分治法相似，但是注意：动态规划分解出来的子问题有可能不是独立的，而分治法的子问题独立

　　　　　动态规划中的子问题一般是重叠的，也就是一个子问题的解建立在另一个子问题的解的基础上，通过对子问题解的存储来避免重复计算

适用情形：1、求最优解

　　　　　2、当前状态与以后无关

　　　　　3、有重叠子问题（动态规划的优势体现）

关键：确定三要素：1、问题的阶段，2、每个阶段的状态，3、从前阶段到后阶段的递推关系

六、动态规划算法基本框架
复制代码
代码
 1 for(j=1; j<=m; j=j+1) // 第一个阶段
 2    xn[j] = 初始值;
 3 
 4  for(i=n-1; i>=1; i=i-1)// 其他n-1个阶段
 5    for(j=1; j>=f(i); j=j+1)//f(i)与i有关的表达式
 6      xi[j]=j=max（或min）{g(xi-1[j1:j2]), ......, g(xi-1[jk:jk+1])};
 8 
 9 t = g(x1[j1:j2]); // 由子问题的最优解求解整个问题的最优解的方案
10 
11 print(x1[j1]);
12 
13 for(i=2; i<=n-1; i=i+1）
15 {  
17      t = t-xi-1[ji];
18 
19      for(j=1; j>=f(i); j=j+1)
21         if(t=xi[ji])
23              break;
}

 背包问题解决

1、最优矩阵的填写

根据f[i][v]=max(f[i-1][v],f[i-1][v-weight[i]]+values[i])的状态装换方程来填

2、边界条件注意

v为0，或物体为0时，最优值为0

3、在矩阵中找最优解

从v为最大，物品为n回溯

转载于:https://www.cnblogs.com/qinfendexiaowoliu/p/5396368.html