动态规划

动态规划

递归到到动态规划的一般转化方法

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（在动态规划中成为“边界状态”）开始，逐步填充数组，相当于计算递归函数值的逆过程。

动态规划解题的一般思路

• 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。

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。
$$时间复杂度=状态的数目\cdot 计算每个状态所需时间$$

用动态规划解题，经常碰到的情况是，$K$ 个整型变量能构成一个状态。如果这 $K$ 个整型变量的取值范围分别是 $N_1,N_2,...N_K$，那么，我们就可以用一个 $K$ 维的数组 $array[N_1][N_2]...[N_K]$ 来存储各个状态的“值”。这个“值”未必就是一个基本类型（如：整数、浮点数），可能是需要一个结构体才能表示的，那么 $array$ 就可以是一个结构数组。一个“状态”下的“值”通常会是一个或多个子问题的解。

• ③确定一些边界状态（初始状态）的值

动态规划的过程就是由“值”已知的状态去推算出“值”未知的状态，在最开始我们需要提供“边界状态”的“值”，从而启动递推的过程。

• 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”（“人人为我”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”

能用动态规划解决的问题的特点

• 问题具有最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质。
• 无后效性。当前的若干个状态值一旦确定，则此后过程的演变就只和这若干个状态的值有关，和之前是采取哪种手段或经过哪条路径演变到当前的这若干个状态，没有关系。

动态规划相关题目

• LeetCode

P10 正则表达式匹配
P300 最长上升子序列
P1143 最长公共子序列（LCS）

• PJO