动态规划算法

动态规划的基本思想其实就是分治，但是与分治算法还是有区别的，动态规划划分的规模小的问题不是相互独立的。整个问题的最优解是建立在子问题的基础上的。

用动态规划方法求解问题一般分为以下四个步骤：

1、观察解的结构，刻画其结构特征。

2、递归的定义最优解。

3、自底向上求最优解。

4、根据计算最优值的信息求构造最优解。

满足动态规划算法的问题有两个特征：

1、最优子结构性质。问题的最优解包含子问题的最优解，则称该问题具有最优子结构性质。

2、重叠子问题性质。

 

举例：

最典型的可以用动态规划算法的问题就是最大子段和问题，一个整数数组，有正也有负，求连续的和最大的子数组。

分析：

问题的解是：

1、观察解结构，刻画其结构特征。

令，所以问题就变成了求b[j](0<=j<=n-1)的最大值。

2、递归定义最优解。

可以发现，如果b[j] > 0，那么b[j+1] = b[j] + a[j+1]；否则b[j+1] = a[j+1]；可以发现该问题满足用动态规划方法的两个条件。

3、自底向上求最优值。

int max_sub_array(const int a[], int ilen)
{
 if (ilen <= 0)
 {
  return;
 }

 int isum = a[0];
 int imax = isum;
 
 for (int i = 1; i < ilen; i++)
 {
  if (isum > 0)
  {
   isum += a[i];
  }
  else
  {
   isum = a[i];
  }
  if (isum > imax)
  {
   imax = isum;
  }
 }
 return imax;
}

 

4、求解最优值。

可以把问题扩展到二维数组。如何求得a[i][j]的最大子二维数组的和。