动态规划及其应用

1．动态规划概述
1．1 什么是动态规划
相信大家都遇到过这样一个问题：
例题1  如图1，有一个有向图，图中有n层顶点，除了第n层以外，第i层与第i+1层之间有边。边上的数值代表两个顶点的距离。要求找一条从第1层到第n层的路径，使得走过的边的和最短。
算法分析
解决这个问题有3种思路。
第1种：回溯算法。直接列举出从A到J的所有路径，并且求出所有路径当中走过距离最短的。如果假设这个图是一个满二叉树的话，这个算法的效率为2n。很明显，当n增长的时候，这个算法的效率不容乐观。
第2种：采用狄杰斯特拉算法，求这个有向图的最短路径。如果这个图有v个顶点的话，这个算法的效率为v2，已经很优秀了。
但是，这个问题有没有更好地方法呢？
假如我们把这个图按层次分一下（如图2）：
不难发现，从阶段1到阶段2，阶段2到阶段3等等都是互相独立的，根据题目的意义，不会出现阶段2有一条边指向阶段3。
而从阶段i到阶段i+1的最短距离一定是 。而再仔细看，如果从阶段1到阶段3的最短路径，一定经过阶段2的最短路径。
再看一个命题：
如图3，若AB、BC为每个阶段的最优选择，那么，有ABC 为最优选择。
证明： 设有一条路径ADC，其长度和小于ABC。即要满足AD<AB; DC<BC; 但是，由于AB、BC为每个阶段的最优选择，所以与题设矛盾，故ABC 为最优选择。
所以，得到如下递推式：
题目就圆满地解决了。时间复杂度为n2。
这个问题的解决过程中，我们看到：在多阶段的问题中，各阶段的决策依赖以来于当前状态，又引起状态的转移，这种解决多阶段问题的算法称为动态规划。
1．2 动态规划中的几个概念
阶段：对于一个问题，可按其题目意思划分出各次选择的部分，这样的部分就是阶段。
状态：某一阶段的初始位置为这一阶段的状态。
决策：在对问题处理中做出选择性的行动。　
状态转移方程：前一阶段的终点就是后一阶段的起点，前一阶段的决策选择导出了后一阶段的状态，这种关系描述了由k阶段到k+1阶段状态的演变规律，称为状态转移方程。
1．3 动态规划的条件
既然动态规划算法是将问题划分成若干个可以独立解决的子部分，然后再进行汇总，那么，它一定要满足一定的条件。
最优化原则
一个最优化策略的子策略总是最优的。也就是说，对于目前的决策而言，余下的决策一定是最优的。否则这个题目将不能用动态规划算法来解决。
无后效性
当前决策与过去的状态没有任何关联。也就是说，对于目前的决策而言，不能够影响到过去的决策。否则这个题目将不能用动态规划算法来解决。
2. 动态规划算法的设计
2．1问题的后效性、最优化原则
看如下一个问题：
例题2  如图4。有一个有向图。要求求出给出顶点的最短路径。
算法分析  此题十分典型，可以使用图的最短路径算法。但是，此题是否可以使