动态规划模型总结

动态规划

动态规划（Dynamic programming）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。 动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。 动态规划背后的基本思想非常简单。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。 通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量： 一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。

主要有下面几个DP类型：线性DP（股票系列、最长子序列和（见简单DP））、区间DP（最长回文子串）、背包DP、状态压缩DP、递归DP（爬楼梯、斐波那契数）、树状DP等
这里只写了线性DP、区间DP、背包DP这三个dp，剩下几个万能的百度也能找到

线性DP

虽然说是线性，但是实际上看起来也没有这么线性，主要是如何定义状态方程之间的联系，找到状态转移方程，找到状态转移方程之后，写出完整的代码就简单了。状态转移之间一般是利用上一个或者给定的区分值进行遍历，对于循环的正序或者倒序，主要看定义的状态转移方程是否还利用上一状态的值

最长子序列和问题

dp[i]表示以第i个数结尾的最长子序列和
转移方程:
//要么相连，要么自己一个数组
dp[i]=max{dp[i-1]+num[i],dp[i]}

最长子序列问题
#include<iostream>
#include<algorithm>

using namespace std;
const int N=1010;
int dp[N];
int f[N];
int max1;
int main()
{
    int n;
    cin>>n;
    
    for(int i=1;i<=n;i++) cin>>f[i];
    for(int i=1;i<=n;i++)
    {
        dp[i]=1;
        //以i结尾的最大序列长度
        for(int j=0;j<=i;j++)
        {
            if(f[i]>f[j]) dp[i]=max(dp[j]+1,dp[i]);
        }
        max1=max(max1,dp[i]);
    }
    cout<<max1<<endl;
    return 0;
}

背包DP

注意里面的改变是减去重量而不是减去1或者加上1

01背包问题

f[i][j]//j代表容量,i代表第几个物品
    	//f[i][j]代表再第i个物品截止，在能承载重量为j时的最大值
   
 
   /*转移方程：
   第一种：不放入背包，则f[i][j]=f[i-1][j]
   第二章：放入背包，如果放的下：
   f[i][j]=f[i-1][j-w[i]]+v[i]
   如果放不下：f[i][j]=f[i-1][j]
   两者进行比较，看看时放入大还是不放入大
   */
    
    //为什么是从j=v开始，j--(只有一维数组才是)
    //因为如果是正序，当更新到f[3]时，f[2]已经更新了，
    //不再是我们需要的f[2]

改编之AcWing 1047. 糖果（深入理解不合法状态） - AcWing](https://www.acwing.com/solution/content/108139/)

问题：

背包问题是不超过；糖果问题是恰好;

在背包问题中，f[0] [j]都是由意义的

在糖果问题中，只有f[0] [j%k]才是有意义的

所以在糖果问题中，下标是要取mod

dp[i][j]//代表前i个物品的总价值%k=j的集合在这里限制是关于%k余数是多少
    
    /*转移方程
    dp(i,j)=max(dp(i−1,j),
    dp(i−1,(((j−w[i])%k)+k)%k) +w[i])
    不选的话：就是前面那个的值
    选的话，就是
    子集合都包括第i个物品，并且前面选择的商品和S满足		(S+a[i])%k=j
    而我们需要从和这个S有关的集合，状态记录的都是%k
	后的结果，S为前i-1个商品的总和，j为前i个商品的余数
	所以S%k=(j−a[i])%k)为上一个状态的值
    */
    
    3.初始化：
dp(0,0)=0,dp(0,i)(i≠0)
都是不合法的状态，所以必须要初始化为负无穷，不然的话可以选择先初始化第一件物品的所有情况，再迭代第二个物品之后 (仔细想想，如果不合法的状态初始化为0了，后面递推的时候，答案就会变大)
    
    4.注意事项：
转移方程中的(j−w[i])%k)可能为负的，必须要将余数变成[0,n−1]之间，所以cpp负数取余要变成(j−w[i])%k+k)%k
    
    5、正逆序问题
    由于它是二维数组，正逆序更新不会影响当前，所以可以正序可以逆序

区间DP

AcWing 1222. 密码脱落 - AcWing

此题是回文串问题，

回文串问题的思路,此问题的目的是两边一起走

如果左右端的值相等那么只需要判断i+1，j-1的是否相等。拆分成了一个小区间。

此题可以运用dfs进行运算，如果左边和右边相等，那么判断i+1，j-1，如果不相等，判断i+1，j与i，j-1；那一边删去更小
 退出条件：1、左边大于右边返回0
    2、f[l][r]中已经判断了最小值是多少，可以直接返回

动态规划求解思路：

dp[i][j]:代表区间[i,j]里去掉字符变成字串str(i,j)的集合
状态转移：
    1、如果两边相等，dp[i][j]=dp[i+1][j-1]
    2、如果两边不相等，dp[i][j]=
    min(dp[i+1][j],dp[i][j-1])+1;
枚举顺序：因为要用到i+1的状态所以i要逆序枚举
   注意：
    当i==j−1且s[i]==s[j]时，这也是回文串，但是dp(i+1,j−1)是不合法的，被声明称了INF.当时，这也是回文串但是不合法的，被声明称了，所以要单独拿出来讨论。
    
    注意其枚举方法，i与j