动态规划系列：1.基础

1 使用动态规划求解问题的特点：

---

1. 求解问题的最优解（最大值或者最小值）

2. 这个问题可以分解成若干个子问题，整体问题的最优解依赖各个子问题的最优解

3. 这些小问题间还有相互重叠的更小的子问题

4. 从上往下分析问题，从下往上求解问题，这是动态规划解决问题的第四个特点，在第2节说明

例子：长度为n的绳子剪成m段（n>1且m>1且m,n都为整数），各段长度的乘积可能最大值是多少。

满足：特点一：求剪出各段绳子长度乘积的最大值，满足特点一

特点二：用f表示剪后的最大值，问题为求f(n),任意位置如i剪一刀，因为f(n)=f(i)*f(n-i),问题变为求两个子问题，满足第二个特点

特点三：如果n=10，最初在4剪一刀，然后4绳子中间剪一刀，6绳子剪为2和4，问题变为：

f(10)=f(4)*f(6)=[f(2) * f(2)]*[f(2) * f(4)]

则f(4)和f(6)存在重叠子问题f(2)

特点四：由于子问题在分解大问题过程重复出现，为避免重复求解，从下往上求解小问题并存储下来，以此为基础求解大问题

2 动态规划算法步骤

---

1. 判断题目是否是动态规划可以求解的题目：题目是否有以下几个特性：

（1） 能否将问题分解为几个子问题

（2）子文提是否可以往下划分，是否有重叠子问题

（3）有的题目是有关键字：“多少种”，“最”

2. 将题目抽象出来,用f(n)表示该问题的(最优)解，根据划分的子问题写出f(n)=.......（递推关系）

3. 由下往上求解，设计循环，从f(0)，f(1),...开始求解

4. 返回f(n)

以上面题目为例，

注意区分，长度为2、3的绳子与将一段绳子分解到长为2、3子问题的区别

代码：

int maxProductAftercut(int length) {
    if (length < 2) return 0;//题目要求至少剪一刀，剪不了
    if (length == 2) return 1;//剪一刀最大乘积为1
    if (length == 3) return 2;//剪若干段最大乘积为2

    //定义存储数组
    int *record = new int[length + 1];//0,1,2,3...,length
    //record[i]表示长度为i的绳子被剪成若干段后的各段绳子乘积可能最大值

    record[0] = -1;//用不到
    record[1] = 1;//1为单位长度
    record[2] = 2;//分解到长度为2，3的绳子的小问题，不剪才是最大值
    record[3] = 3;
    for (int i = 4; i <= length; i++) {//对长度为i的绳子
        //开始剪
        int max = 0;
        for (int j = 1; j <= i / 2; j++) {
            int tmp = record[j] * record[i - j];
            if (tmp > max) max = tmp;
        }
        record[i] = max;
    }
    int max = record[length];
    delete[] record;
    return max;
}