【c++】动态规划入门

动态规划

今天，我们来讲讲动态规划这东西
基本思想：动态规划通常用于求解某种最优性质的问题。将带求解问题分解为若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。同时，用表来记录所有已解子问题的答案以节省时间。
让我们来看一道题目

斐波拉契数列
1,1,2,3,5,8,13,21,34,55,89…让我们求第n项的数为什么

递归啊！！！
附代码

int  dfs (int n)
{
    if (n == 1) return 1;
    if (n == 2) return 2;
    return dfs(n - 1) + dfs(n - 2);
}

此为递归无优化的过程
为了运行得更快，我们需要剪枝……
那么如何剪枝呢？
我们可以运用记忆化搜索的方式：
记忆化搜索，就是让程序实现自动记忆已经搜索过的东西，这样如果再次搜到这个东西，就可以直接调用了
代码：

int  fib(int n)
 {
      if (n==1||n==2) return 1; 
      if (f[n]!=0) return f[n];//这里就是记忆化搜索的精髓
      return f[n]=fib(n-1)+fib(n-2);//这里也是
 } 

这里的记忆化搜索，调用了函数，那么我们是否可以把函数转变成数组呢？
答案当然是肯定的！！！
这就引出了我们的动态规划
为了减少重复计算，我们可以用数组把计算所需要的所有信息都储存起来。
这样我们只需要调用数组，而不需要调用函数，时间复杂度为O(n)。

递归到动规的一般转化方法

递归函数有n个参数，就定义一个n维的数组，数组的下标是递归函数参数的取值范围，数组元素的值是递归函数的返回值，这样就可以从边界值开始， 逐步填充数组，相当于计算递归函数值的逆过程。
动态规划代码：

int dp(int n)
{	
   f[1]=1;
   f[2]=2;	
   for (int i=3;i<=n;i++)		
     f[i]=f[i-1]+f[i-2]; 
   return f[n];
}

——————————————————————————————————————————————————————————————————————

动态规划的解题步骤

1. 将原问题分解为子问题
把原问题分解为若干个子问题，子问题和原问题形式相同或类似，只不过规模变小了。子问题都解决，原问题即解决(数字三角形例）。
子问题的解一旦求出就会被保存，所以每个子问题只需求解一次。
2.确定状态
在用动态规划解题时，我们往往将和子问题相关的各个变量的一组取值，称之为一个“状 态”。一个“状态”对应于一个或多个子问题， 所谓某个“状态”下的“值”，就是这个“状 态”所对应的子问题的解。
所有“状态”的集合，构成问题的“状态空间”。“状态空间”的大小，与用动态规划解决问题的时间复杂度直接相关。 在数字三角形的例子里，一共有N×(N+1)/2个数字，所以这个问题的状态空间里一共就有N×(N+1)/2个状态。
整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次，且在每个状态上作计算所花的时间都是和N无关的常数。
3.确定一些初始状态（边界状态）的值
以“数字三角形”为例，初始状态就是上边的数字，值就是最上方的数字值。
4.确定状态转移方程
定义出什么是“状态”，以及在该“状态”下的“值”后，就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”，求出另一个“状态”的“值”(递推型)。状态的迁移可以用递推公式表示，此递推公式也可被称作“状态转移方程”。
数字三角形的状态转移方程:f[i,j]=max{f[i-1,j，f[i-1,j-1]+a[i,j]

• 阶段：
• 状态：
• 边界：
• 决策：
• 转移方程：

小白一枚，不足之处尚多，请多多指教！！！