第五周 动态规划

第五周 动态规划

一、概括

• “Simplifying a complicated problem by breaking it down into simpler sub-problems” (in a recursive manner)
• Divide & Conquer + Optimal substructure 分治+最优子结构

1、DP、递归、分治区别(importance)

• 看是否有最优子结构，有则DP
• 共性：找到重复子问题
• 差异性：有最优子结构、中途可以淘汰次优解
• 分治：每一步都没有最优解，所以会出现复杂度指数级

2、记忆化搜索（自顶向下)

• 增加缓存
• 熟练后建议用自低向上递推(for)

回忆分治：如下— 起点分解成 从B走和从A，然后两个结果相加

(只能向右和向下，如果可以斜边，就会出现重复问题，例如B会走向C。这个就是高级DP)

自低向上

计算：当前数等于右边+下面的值(状态存储)。自底向上，（这是简单的dp，复杂的dp需要考虑重复计算问题)

最后地推出如下：

3、状态转移方程（DP方程)

• 继续上一题的 问题(把障碍物想象成0)

opt[i,j] = opt[i + 1][j] + opt[i][j + 1];
//完整逻辑
if a[i][j] == "空地" ：
	opt[i][j] = opt[i + 1][j] + opt[i][j + 1];
else
    opt[i][j] = 0;

4、动态规划关键点

• 最优子结构 opt[n] = best_of(opt[n - 1], opt[n - 2],...);
• 存储中间状态：opt[i]
• 递推公式（美其名曰：状态转移方程或者DP方程）
  • Fib：opt[n] = opt[n - 1] + opt[n - 2]
  • 二维路径：opt[i][j] = opt[i + 1][j] + opt[i][j + 1](且判断a[i][j]是否空地)

5、DP模板(三角形最小路径和案例模板)

• 重复性（分治）problem(i,j) = min（sub(i+1, j),sub(i+1, j+1)) + a[i,j]
• 定义状态数组 f[i,j]
• DP方程：f[i,j] = min（f(i+1, j),f(i+1, j+1)) + a[i,j]