动态规划（Dynamic Programming）

原理

基本思想

问题的最优解如果可以由子问题的最优解推导得到，则可以先求解子问题的最优解，在构造原问题的最优解；
若子问题有较多的重复出现，则可以自底向上从最终子问题向原问题逐步求解。

使用条件

可分为多个相关子问题，子问题的解被重复使用

1. Optimal substructure（优化子结构）
   • 一个问题的优化解包含了子问题的优化解
   • 缩小子问题集合，只需那些优化问题中包含的子问题，降低实现复杂性
   • 可以自下而上的
2. Subteties（重叠子问题）
   在问题的求解过程中，很多子问题的解将被多次使用。

设计步骤

设计状态

分析优化解的结构

状态转移

递归地定义最优解的代价
自底向上地计算优化解的代价保存之，并获取构造最优解的信息
根据构造最优解的信息构造优化解

特点

把原始问题划分成一系列子问题；

求解每个子问题仅一次，并将其结果保存在一个表中，以后用到时直接存取，不重复计算，节省计算时间

自底向上地计算

整体问题最优解取决于子问题的最优解（状态转移方程）（将子问题称为状态，最终状态的求解归结为其他状态的求解）

求解概念

无后效性

如果给定某一阶段的状态，则在这一阶段以后过程的发展不受这阶段以前各段状态的影响。
“未来与过去无关”，这就是无后效性。
例如：要求出f(15)，只需要知道f(14),f(10),f(4)的值，而f(14),f(10),f(4)是如何算出来的，对之后的问题没有影响。

最优子结构

大问题的最优解可以由小问题的最优解推出，这个性质叫做“最优子结构性质”

案例

最长上升子序列

给定长度为n的序列a，从a中抽取出一个子序列，这个子序列需要单调递增。问最长的上升子序列（LIS）的长度。

e.g. 1,5,3,4,6,9,7,8的LIS为1,3,4,6,7,8，长度为6。

设计状态

令dp[i]表示以第i个元素结尾的前i个元素构成的最长不下降子序列的长度

状态推导

考虑比i小的每一个j；若ai>aj ，dp（x）可取 dp（p）+1
状态转移方程可表示为
dp[i] = max{dp[j] | 0<j<i , aj≥ai} + 1

伪代码实现