【区间型动态规划】

dp[i][j]：i，j分别表示字符串的首尾索引

我们知道，大区间的结果总是依赖于小区间，由此

#初始化
dp[n-1][n-1]=True
for i in range(n-1):
    dp[i][i]=True #一个字符肯定是回文
    dp[i][i+1]=s[i]==s[i+1] #两个字符是否是回文

for i in range(n):

        for j in range(i+2,n):

                dp[i][j]=dp[i+1][j-1] and s[i]==s[j]

但是dp[i][j]依赖dp[i+1],必须先计算dp[i+1]才能计算dp[i],但是i的for循环又是从小到大的，所以此写法是有问题的。

for i in range(n-1,-1,-1):

        for j in range(i+2,n):

                dp[i][j]=dp[i+1][j-1] and s[i]==s[j]

我们将i倒过来遍历就ok了

优化

我们先循环长度，再循环起点

长的区间依赖于短的区间

我们先从长度3开始循环到n

for length in range(3,n+1):
    for i in range(n-length+1):
        j=length+i-1
        dp[i][j]=dp[i+1][j-1] and s[i]==s[j]
        

1，石子归并

动规四要素

定义：dp[i][j] 表示下标i合并到j的最小耗费

状态转移方程：dp[i][j]=min(dp[i][k]+dp[k+1][j]+sum(i,j))        (k=0时，为dp[i][j])

初始化：dp[i][i]=0        因为一个数不能合并，花费为0

结果：dp[0][n-1]

        n=len(a)

        if n<2:
            return 0

        range_sum=[[0]*n for i in range(n)]

        for i in range(n):
            range_sum[i][i]=a[i]

        for i in range(n):
            for j in range(i+1,n):
                range_sum[i][j]=range_sum[i][j-1]+a[j]
        

        dp=[[float('inf')]*n for i in range(n)]
        
        for i in range(n):
            dp[i][i]=0

        for length in range(2,n+1):
            for i in range(n-length+1):
                j=length+i-1
                for k in range(i,j):
                    dp[i][j]=min(dp[i][j],dp[i][k]+dp[k+1][j]+range_sum[i][j])

        return dp[0][n-1]        

注意：length的for循环起点要根据初始化而定，已经初始化的就不需要遍历。

2，吹气球

        nums=[1,*nums,1]
        n=len(nums)

        dp=[[0]*n for i in range(n)]
        
        for i in range(n):
            dp[i][i]=nums[i]

        for length in range(2,n+1):
            for i in range(n-length+1):
                j=length+i-1
                for k in range(i+1,j):
                    dp[i][j]=max(dp[i][j],dp[i][k]+dp[k][j]+nums[i]*nums[k]*nums[j])
        
        return dp[0][n-1]

小结：
        区间动态规划，小结题目中有 subarray / substring 的信息，大区间依赖小区间,循环方式不同。