算法设计初步之动态规划

理论知识

动态规划通常用来求解最优化问题。
最优化问题：这类问题的解可能有多个，每一个解对应一个值，我们希望寻找具有最优值的一个解。
适用于动态规划求解对最优子问题一般有两个要素：最优子结构和重叠子问题。
最优子结构是指：一个问题的最优解包含子问题的最优解；重叠子问题是指：问题的递归算法会反复求解相同的子问题
这里有一个要点，如何证明一个问题具有最优子结构性质？
我们采用复制—粘贴法：一般用反证法证明：假定子问题的解不是其自身的最优解，而存在“更优的解” ，那么我们可以从原问题的解中“剪切”掉这些“最优解”的部分，而将“更优的解”粘贴进去，从而得到原问题的一个“更优”解，这与最初的解是原问题最优解的前提假设相矛盾。因此，不可能存在“更优的解”。反之，原问题的子问题的解应是其自身的最优解——最优子结构性成立。

理解上面的知识之后，一般动态规划求解问题的步骤如下：
第一步：证明问题满足最优性原理
第二步：获得问题状态的递推关系式（即状态转移方程）
第三步：递归求解最优解的值
第四步：重构最优解
其中，状态转移方程的解释如下
状态转移方程： 第i+1阶段的状态变量x(i+1) 的值随x(i)和第i阶段的决策u(i)的值变化而变化，可以把这一关系看成(x(i)，u(i))与x(i+1)的函数对应关系，用x(i+1)=Ti(x(i),u(i))表示。
我们也可以用子问题图来模拟递归求解过程
子问题图： 用于描述子问题与子问题之间的依赖关系。
值得注意，动态规划具有无后效性
无后效性： 对任意的阶段i，阶段i以后的行为仅依赖于i阶段的
状态，而与i阶段之前过程是如何达到这种状态的方式无关，这种性
质称为无后效性。

最后我们理解一下动态规划为什么能够给计算性能带来改变？
若问题的决策序列由n次决策构成，而每次决策有p种选择，若采用枚举法，则可能的决策序列将有p的n次方个。而利用动态规划策略的求解过程中仅保存了所有子问题的最优解，而舍去了所有不能导致问题最优解的次优决策序列，所以可能有多项式的计算复杂度。

一、钢条切割问题

实际该问题也是完全背包问题
第一步：我们假设dpi表示长度为i的钢条的最大收益，可以用反证法证明其划分的子问题dpj和dpi-j均具有最优子结构性（这个方法是两半都可能再次切割），这个问题还可以简化，如果划分的两半，一段可以继续切割记dpj，固定另一端值为ri-j，问题可以更简化
第二步：求递推方程，由上可以知道dpi可以划分为dpj和ri-j,则dpi就等于max（dpj+ri-j）其中，j从1到i
第三步：递归或者迭代求解最优解


两种方法实质就是递归求解和迭代求解的过程，一般推荐用第二种方法，由较小的子问题求解较大的子问题，这个时候上文所述的子问题图就可以发挥作用，通过它你可以清晰的了解你最先要求解的较小子问题是什么࿰