动态规划原理

适合应用动态规划方法求解的最优化问题应该具备的两个要素：最优子结构和子问题重叠

• 最优子结构

在钢条切割问题中，我们知道长度为n的钢条是经过第一次切割后得到的两个子钢条的最优解组成的，而矩阵链乘法是由第一次将矩阵链分为两条规模更小的矩阵链，矩阵链乘法的最优解则是由这两个子矩阵链的最优解组成的。
实际中，我们在发掘一个问题的最优子结构过程中可以遵循以下模式：

1. 在面对原问题时，首先需要做出一个选择，比如在钢条切割中，我们选择一个切割点，在矩阵链中，我们选择括号化的点。
2. 在第一步的选择里面，我们假定那种选择会得到最优解。我们并不关心这种选择是怎么来的，只是假定已经知道这种选择，比如在切割问题里面，我们面对长度为n的钢条，我们假设切割点为k*(k>0 && k<= n)*
3. 在做出最优选择之后，我们需要判断这样选择会产生那些子问题，以及如何更高的刻画子问题空间。
4. 利用“剪切-粘贴”技术证明：假设构成原问题最优解的子问题的解并不是子问题的最优解，那么我们可以将这个非子问题最优解剪切出来，并将子问题最优解粘贴进去，从而等到一个更优的解，这与最初的假设矛盾，所以构成原问题的子问题的解一定是子问题的最优解！

对于不同问题领域，最优子结构的不同体现在两个方面：

1. 原问题的最优解涉及到多少个原问题的解
2. 在确定使用那些子问题最优解构成原问题最优解中，我们有多少种选择

比如在钢条切割中，长度为n的钢条一共有n个子问题，因为每个长度的钢条都被涉及，对于长度为n的钢条，我们有{1,n-1},{2,n-2},…,{n,0}种子问题的选择方法，最优我们会从里面选出一个最优的解。
我们可以通过子问题总数和每个子问题有多少种选择来粗略的估计算法的运行时间，比如钢条切割子问题总数为O(n),且每个子问题有O(n)种选择，所以钢条切割运行时间为O(n^2).

• 重叠子问题

适用于动态规划的第二个特征就是子问题空间足够小，即问题的递归算法会重复的求解相同的子问题，而不是一直产生新的子问题，如果递归算法反复的求解子问题，那么我们就将这个性质定义为重叠子问题。
既然一直在求解相同的子问题，那么我们倒不如将已经求解过得子问题的解保存起来，到下次遇到相同子问题的时候，我们直接返回已经算好的子问题的解。
在动态规划中，我们就有两种方法来避免重复求解相同子问题：

1. 第一种就是自上而下带备忘的方法，在求解每个子问题之前，我们先检测一下这个子问题之前有没有算过，若果有，那么不用计算直接返回结果，如果没有，那么就计算这个子问题，之后将结果保存起来，方便下次再遇到时使用。
2. 第二个就是自下而上的构建原问题的解，首先求解最基本的情况，再从最基本的情况一部一部的向上求解，比如我要求解[2…4]，那么我首先需要知道[2…2][3…4]和[2…3][4…4]的最优解，需要知道[3…4]，那么首先需要知道[3…3][4…4]的最优解，所以，倒不如我们将原问题需要的解先构建出来，再慢慢向上一层一层的构建，最后组成原问题的解！

上面两个方法各有各的好处。

1. 自上而下的优点是并不需要求解每一个子问题的解，而是只求解有需要的子问题的解，缺点就是需要递归调用，函数调用浪费时间。
2. 自下而上的优点是并不需要递归调用，每个子问题求解的速度较快，缺点每个子问题都要计算，就算这个子问题的解对原问题的解并没有任何帮助！