双目立体视觉-特征匹配SGM算法-动态规划

学习SGM 算法时，在最小化能量方程时使用到了动态规划:（Dynamic Programming，DP）

前景：

      在现实生活中，经常会遇到一种特殊的过程，多阶段决策。在它的每一阶段都需要作出决策，从而使整个过程达到最好的活动效果。因此各个阶段决策的选取不能任意确定，它依赖于当前面临的状态，又影响以后的发展。当各个阶段决策确定后，就组成一个决策序列，因而也就确定了整个过程的一条活动路线．这种把一个问题看作是一个前后关联具有链状结构的多阶段过程就称为多阶段决策过程，这种问题称为多阶段决策问题。在多阶段决策问题中，各个阶段采取的决策，一般来说是与时间有关的，决策依赖于当前状态，又随即引起状态的转移，一个决策序列就是在变化的状态中产生出来的，故有“动态”的含义。

      针对多阶段决策过程的最优化问题，美国数学家Bellman等人在20世纪50年代初提出了著名的最优化原理，把多阶段决策问题转化为一系列单阶段最优化问题，从而逐个求解，创立了解决这类过程优化问题的新方法：动态规划。

动态规划解决思路：

      复杂的n 维决策问题转换为几个一维最优化问题，然后一个一个地去解决。 核心目标是寻找子问题的最优解。

例题：

     这里有三道例题讲解：https://www.cnblogs.com/cruelty_angel/p/10576617.html

     在将复杂问题简单化的过程中，首先确定分出来的子问题对于母问题有没有帮助，得到的子问题最优解的值会不会被用到；其次被分解的条件是不是可累积的，可以一步步还原到最后的母问题；最后子问题是不是依据当前的条件已经有了铁板钉钉的结果，不需要再反复考量了。