动态规划的本质是递推问题

动态规划的本质是递推问题

范吉民

课本定义

动态规划即动态地解决问题，从已经解决过的小问题中得到大问题的解，最终得到目标问题的解。动态规划解决的问题具有两个基本特征：

1. 重叠子问题
2. 最优子结构

重叠子问题

所谓的重叠，即重复，子问题存在大量重复。这有两个关键点：

1. 原问题可以分解成为一系列的子问题。
2. 这些子问题存在者大量的重复。

最优子结构

最终问题的最优解可以从子问题的最优解中获得。

动态规划问题本质上是递推问题

动态规划形式上定义可能看起来复杂或者高级，但其本质就是根据数列递推公式求值的问题，如果能够根据递推公式进一步求出通项公式，那么就能够得到一个O(1)的算法。所以，只要是动态规划问题就一定是递推问题。

实际上面临的问题，能写出递推公式就比较困难了，对于通项公式，通常很难求得，甚至是不可能的。计算机是适合做递推的，但是如果发生指数爆炸或者运算复杂度的幂次很高，那么随着问题规模的增大，计算机也会变得很吃力。

递推问题的三种解法

1. （反向递推）递归法。按照递推公式直接递归地求解。
2. （反向递推）备忘法。如果递归中存在潜在的重复计算，那么将每次计算的结果存起来，以后需要时不再求解，直接使用。
3. （正向递推）制表法。重复计算的根本原因是从上向下求解，大问题可能依赖了很多前项问题，而对这些前项问题的求解，可能存在重复的依赖。

/*===========================
 * f(n) = 2*f(n-1) + 3*f(n-2), f(0)=1, f(1)=2
 *===========================*/
#define N 100

/** 递归（反向递推）法 **/
int f1(int n)
{
	if(n == 0)return 1;
	if(n == 1)return 2;
	return 2*f1(n-1) + 3*f1(n-2);
}

/** 反向递推备忘录法 **/
int memo[10];
int f2(int n)
{
	if(n == 0)return 1;
	if(n == 1)return 2;
	if(memo[n-1]==0) memo[n-1] = f2(n-1);
	if(memo[n-2]==0) memo[n-2] = f2(n-2);
	return 2*memo[n-1] + 3*memo[n-1];
}

/** 正向递推法 **/
int f3(int n)
{
   int fn2 = 1, fn1 = 2;
   for(int i=2;i<=10;i++)
   {
   		int f = 2*fn1 + 3*fn2;
   		fn2 = fn1;fn1 = f;
   }
   return fn1;
}

int main()
{
   printf("f1(%d)=%d\n,N,f1(N));
   printf("f2(%d)=%d\n,N,f2(N));
   printf("f3(%d)=%d\n,N,f2(N));
   return 0;
}

递推问题的数学模型

$$g_n=f(g_0,g_1,g_2,\dots ,g_{n-1})，f是不确定的。$$
对于简单问题，$f$可以很简单，可以是线性的，也可以是非线性的，总之，从数学的函数映射理解就能包含所有的情况。

动态规划问题的解题方法

既然动态规划问题是递推问题，那么递推问题的解题方法就是动态规划问题的解题方法。实际上，只不过动态规划问题相对于一般的递推问题，存在一些特殊性：

1. $f$通常与$max,min,maxmin,minmax,maxmax,minmin$等待最值函数相关；
2. 通项可能涉及多项前项，因此存在大量重复依赖。

动态规划是算法中比较难的一类，但是要相信，只要掌握了递推，就能够掌握动态规划。动态规划本身并不是一种独立的解题方法，而是一种问题模式，动态规划的最终解题方法必定可以通过递推问题的三种方法解决。