动态规划概述

动态规划

通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题

基本思想

若要求解一个给定问题，则需解出其相对简单的子问题，再合并这些子问题的解得出原问题的解
动态规划的思想在于，如果各个子问题不是独立的，不同的子问题的个数只是多项式量级，如果我们能够保存已经解决的子问题的答案，而在需要的时候再找出已求得的答案，这样就可以避免大量的重复计算
由此得到的思路就是，用一个表记录所有已解决的子问题的答案，不管该问题以后是否被用到，只要它被计算过，就将其结果填入表中

问题特征

最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。

重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。

一般求解步骤

(1) 找出最优解的性质，并刻画其结构特征
(2) 递归地定义最优值
(3) 以自底向上的方式计算出最优值
(4) 根据计算最优值时得到的信息，构造一个最优解

典型例题

01背包问题

问题描述：有N件物品和容量为C的背包。第i件物品的重量是w[i]，价值是v[i]
问：应如何选择装入背包的物品才能使背包内物品的总价值最大？

简单分析一下，每种物品我们只能选择拿与不拿，不能选择装入物品的某一部分，即将其切割，亦不能装入同一件物品多次

将第i件物品放入容量为C的背包中“这个子问题，若只考虑第i件物品(放与不放),那么就可以转换成关联前i-1件物品的问题”

不妨设f[i][j]这样一个二维数组，表示将第i件物品放入容量为j的背包中所能得到的物品最大总价值，那么由此很容易得出f[i][j]的算法：

• 由我们上述分析，第i件物品只有放与不放两种情形，当然也要考虑背包容量能否容纳：
• (1)j < w[i]，即此时背包容量不足以放下第i件物品，则自然选择不拿：

f[i][j] = f[i-1][j];

• (2)j >= w[i]，此时背包容量能够放下第i件物品，则就要考虑放下该第i件物品能否使背包中物品总价值增大，由此可得：

f[i][j] = max(f[i-1][j], f[i-1][j - w[i]] + v[i]);

f[i-1][j - w[i]] + v[i],为何得出这个式子呢？是这样的，背包总容量为j，此时我们要将第i件物品放入背包中，所以我们要为第i件物品腾出空间，即得到j - w[i]，而f[i-1][j - w[i]]即为此时所得到的最大价值，再放入第i件物品，即加上v[i]

由上述可得状态转移方程：

if (j < w[i])
	f[i][j] = f[i-1][j];
else
	f[i][j] = max(f[i-1][j], f[i-1][j-w[i]] + v[i]);

完整代码如下：

#include <iostream>
#include <cstring>
#include <cstdio>
using namespace std;

#define N  1000
#define V  1000
int f[N][V];   //最大总价值 
int v[N];      //单个物品的价值 
int w[N];      //单个物品的重量 
int main(int argc, char *argv[])
{
   	int n,c;
   	//初始化 
   	memset(f, 0, sizeof(f));
   	memset(w, 0, sizeof(w));
   	memset(v, 0, sizeof(v));
   	cin >> n >> c;
   	//输入价值与重量 
   	for (int i = 1; i <= n; ++i)
	   	cin >> v[i];
   	for (int i = 1; i <= n; ++i)
   		cin >> w[i];
   	//得到最大价值 
	for (int i = 1; i <= n; ++i)
	{
		for (int j = 1; j <= c; ++j)
		{
			if (j < w[i])
				f[i][j] = f[i-1][j];
			else
				f[i][j] = max(f[i-1][j], f[i-1][j-w[i]] + v[i]);
		}
	}
	//填表 
	for (int i = 1; i <= n; ++i)
	{
		for (int j = 1; j <= c; ++j)
		{
			cout << f[i][j] << "  ";
		}
		cout << endl;
	}
	//最大价值 
	cout << f[n][c] << endl;
    return 0;
}