第四章-动态规划

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

1. 找出最优解的性质，并刻画其结构特征；

2. 递归地定义最优值（写出动态规划方程）；

3. 自底向上的方式计算出最优值；

4. 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。

1. 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。

2. 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