算法基础

一、动态规划

定义：动态规划一般用来求解最优化问题，其适用的条件是要求待求解的最优化问题具备两个因素：最优子结构和子问题重叠。通过求解一个个最优子问题，将解存入一张表中，当后续子问题的求解需要用到之前子问题的解时直接查表，每次查表的代价为常数时间。一句话理解动态规划就是：枚举所有状态，然后剪枝，寻找最优状态，同时将每一次求解子问题的结果保存在一张“表”中，以后再遇到重叠的子问题时从表内保存的状态中查找（俗称记忆化搜索）。

二、分治

分治法的基本思想：将一个规模为n的问题分解为k个规模较小的子问题，这些子问题互相独立且与原问题相同。递归地解这些问题，然后将各个子问题的解合并成原问题的解。它的一般的算法设计模式如下：

divide-and-conquer(P)

  {

    if ( | P | <= n0) adhoc(P);   //解决小规模的问题

    divide P into smaller subinstancesP1,P2,...,Pk；//分解问题

    for (i=1,i<=k,i++)

      yi=divide-and-conquer(Pi);  //递归的解各子问题

    return merge(y1,...,yk);  //将各子问题的解合并为原问题的解

  }

人们从大量实践中发现，在用分治法设计算法时，最好使子问题的规模大致相同。即将一个问题分成大小相等的k个子问题的处理方法是行之有效的。这种使子问题规模大致相等的做法是出自一种平衡(balancing)子问题的思想，它几乎总是比子问题规模不等的做法要好。