“学习笔记”之《算法导论》----第四部分----高级设计和分析技术----第十五章----动态规划

本人大四即将结束，于2018年12月18日购《算法导论》这本书，慢慢看，第一阶段先主要理解各个章节说的算法都是什么意思，书上的课后习题先不做，用得上什么算法我再详细学习。这是官方课后答案的链接。

放在开头：没有好的算法，坏的算法之说，重点是针对不同的情况，针对不同的数据，针对不同的需求，去选择算法，改良算法。我的数学功底不强，太难的公式我看不懂，太高深的思想我理解不了，我主要以应用为主，不以解释数学公式为主。

动态规划（dynamic programming）与分治方法相似，而且很像在第一章介绍的Strassen算法，都是通过组和子问题来求解原问题。

分治算法是将问题划分成互不相交的子问题，然后递归的求解子问题。相反，动态规划应用于子问题的重叠情况，就是说，我们在求解一个不是最小规模的子问题时，往往会做很多“重复工作”，这就造成了不必要的时间浪费。

动态规划属于一种空间换时间的算法：为了让程序高效的运行，它会通过一些方式，提前储存好一些子问题的答案，使用的时候，直接查找就行了。

动态规划

这个方法不是什么问题都适合的，用的时候要注意是否满足条件。

1、最优子结构：整体的最优解是由子问题的最优解组成的，子问题之间的资源是独立的。

2、子问题重叠：递归算法反复求解相同的子问题。

在此提出了两种实现动态规划的方法：

1、带备忘的自顶向下法：

还是自然地递归形式编写程序，但是过程会保存每个子问题的解，通常保存在一个数组或者散列表中。当需要一个子问题的解时候，我们检查是否保存过这个解。如果是，就直接返回保存的数，从而节省了时间；否则正常递归。

2、自底向上法：

我们定义好最子子子子问题的规模后，保证我们对任何问题的求解都只依赖我们所定义的规模。我们将子问题从小到大求解，当求解到某个子问题时候，更小的子问题都已经求解完毕了。

通常情况下，如果每个子问题都得至少求解一次，自底向上比自顶向下要好，因为自底向上算法没有递归调用的开销。相反，如果子问题空间中的某些子问题完全不必求解，自顶向下法会更好一些，因为它只会求必要的子问题。

应用方案

本章一共介绍了4种应用方案（都是递归不行，用动态规划解决的）

1、钢条切割问题（怎么切，切多少，卖的钱最多）

2、矩阵链乘问题（设计矩阵的相乘顺序，怎么乘，计算量少，运算速度最快）

3、最长公共子序列问题（在两个序列中，找到他们最长的公共的子序列，就像找两个数的最大公约数）

4、最优二叉搜索树（每个树结点都有不同的搜索权重，选哪个树结点为根节点，我们想要的搜索速度才能最快）