对动态规划简单了解

- 计算机归根到底就是穷举解决问题，但是关键是如何“聪明”的穷举才是关键的，这就是算法的诞生，因此动态规划也是一种聪明的穷举。
- 解决多阶段决策过程最优化的一种数学方法。把多阶段问题变换为一系列相互联系的的单阶段问题，然后逐个加以解决

概念

求出f(n)，只需要知道几个更小的f©。我们将求解f©称作求解f(n)的“子问题”。

能将大问题拆成几个小问题，且满足无后效性、最优子结构性质

• 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）
• 最优子结构性能：大问题的最优解可以由小问题的最优解推出

尽量缩小可能解空间

与递归区别：

• 动态规划：自底向上 - 直接从最底下，最简单，问题规模最小 的 f(1) 和 f(2) 开始往上推 ，直到推到我们想要的答案 f(20)，这就是动态规划的思路，这也是为什么动态规划一般都脱离了递归，而是由循环迭代 完成计算。
• 递归：自顶向下 - 递归树（或者说图），是从上向下延伸 ，都是从一个规模较大的原问题比如说 f(20)，向下逐渐分解规模，直到 f(1) 和 f(2) 触底 ，然后逐层返回答案 ，这就叫「自顶向下」

与暴力区别：

• 暴力做法是枚举所有的可能解，这是最大的可能解空间，在暴力算法中，可能解空间往往是指数级的大小
• DP是枚举有希望成为答案的解，自带剪枝，有可能把解空间的大小降到多项式级

状态转移方程

这里，引出「状态转移方程」这个名词，实际上就是描述问题结构的数学形式：可见列出「状态转移方程」的重要性，它是解决问题的核心 。很容易发现，其实状态转移方程直接代表着暴力解法。

解题关键：大事化小，小事化了

解题

设计DP算法

• 首先，把我们面对的局面表示为x。这一步称为设计状态。
• 对于状态x，记我们要求出的答案(e.g. 最小费用)为f(x).我们的目标是求出f(T).
• 找出f(x)与哪些局面有关（记为p），写出一个式子（称为状态转移方程），通过f§来推出f(x).

DP三连

• 我是谁？ ——设计状态，表示局面
• 我从哪里来？
• 我要到哪里去？ ——设计转移

设计状态是DP的基础。接下来的设计转移，有两种方式：

• 一种是考虑我从哪里来 （本文之前提到的两个例子，都是在考虑“我从哪里来”）；（前者又称pull型的转移）
• 另一种是考虑我到哪里去 ，这常见于求出f(x)之后，更新能从x走到的一些解。这种DP也是不少的，我们以后会遇到。（push型的转移）

1. 首先找到目前值的状态是怎么样的，也就是$f(x)$ ，$x$就是题目要求的最值，总和
2. 在解题的时候，找到状态转移方程，我的理解，所谓状态转移方程，就是此状态的值是由之前几个值决定的（从哪里来问题，多项式）或者是可以决定之后的几个值（到哪里去）。

参考资料

• 资料一