动态规划的基本思想
动态规划算法通常用于求解具有某种最优性质的问题。
在这类问题中,可能会有许多可行解,每一个解对应于一个值,我们希望找到具有最优值的解。
动态规划算法可以用一个表记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。
动态规划与分治法的相同点
将待求解的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。
两者的不同点
适用于动态规划求解的问题,经分解得到的子问题往往不是相互独立的
而用分治法求解的问题,经分解得到的子问题往往是互相独立的。
设计动态规划算法的步骤
-
找出最优解的性质,并刻画其结构特征;
-
递归地定义最优值(写出动态规划方程);
-
自底向上的方式计算出最优值;
-
根据计算最优值时得到的信息,构造一个最优解。
动态规划问题的特征
两个重要的性质:最优子结构性质和子问题重叠性质。
-
最优子结构:当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。
-
重叠子问题:在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些子问题被反复计算多次。动态规划算法,对每个子问题只解一次,而后将其解保存在一个表中,在以后尽可能地多地利用这些子问题的解。
4.1 矩阵连乘积问题
4.1.2 建立递归关系
$$
m[i][j] = 0, i=j
$$
m [ i ] [ j ] = m i n { m [ i ] [ k ] + m [ k + 1 ] [ j ] } + p [ i − 1 ] ∗ p [ i ] ∗ p [ k ] , i < = k < j , i < j m[i][j] = min \lbrace m[i][k] + m[k+1][j] \rbrace + p[i-1]*p[i]*p[k], i<=k<j, i<j m[i][j]=min{m[i][k]+m[k+1][j]}+p[i−1]∗p[i]∗p[k],i<=k<j,i<j