动态规划

动态规划（入门）

一、基本思想
动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。
基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。
由于动态规划解决的问题多数有重叠子问题这个特点，为减少重复计算，对每一个子问题只解一次，将其不同阶段的不同状态保存在一个二维数组中。
与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。

二、适用条件

①最优化原理（最优子结构性质）
最优化原理可这样阐述：一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略。简而言之，一个最优化策略的子策略总是最优的。一个问题满足最优化原理又称其具有最优子结构性质 。

②无后效性
将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它未来的决策，而只能通过当前的这个状态。换句话说，每个状态都是过去历史的一个完整总结。这就是无后向性，又称为无后效性。

③子问题的重叠性
动态规划算法的关键在于解决冗余，这是动态规划算法的根本目的。动态规划实质上是一种以空间换时间的技术，它在实现的过程中，不得不存储产生过程中的各种状态，所以它的空间复杂度要大于其他的算法。选择动态规划算法是因为动态规划算法在空间上可以承受，而搜索算法在时间上却无法承受，所以我们舍空间而取时间 。

三、动态规划的三大步骤

① 定义数组元素的含义。首先我们要定义一个新的数组，用来保存历史记录，此时最重要的是我们要清楚该数组元素所代表的含义。

② 找出数组元素之间的关系式（也称确定状态转移方程）。我们之前说动态规划就是把一个问题分成若干个子问题，将那些子问题求解后，最大的问题也解决了，这就说明最大问题与他的子问题存在某种关系，最重要的是我们要找到这种关系，这也是动态规划中最难的一个步骤，也是核心部分。

③ 寻找边界条件。由于状态转移方程给出的是一个递推式，因此我们必须找出递推的边界条件，并且确实边界条件（或最小子问题的解）。

有了边界条件和数组各个元素之间的关系式，我们就可以得到所需的答案了。

四、案例分析

1.斐波那契数列
斐波那契数列（Fibonacci sequence），又称黄金分割数列，指的是这样一个数列：0、1、1、2、3、5、8、13、21、34、……。要求第n项，我们要知道第n-1和第n-2项，随着一步步往前推，我们就可以得到第n项。我们可以很容易的得出它的状态转移方程，即dp[n]=dp[n-1]+dp[n-2];此时还需要找到它的边界条件，当输入的n或n-1，n-2为非正数是是无意义的，所以我们要确定它第一项和第二项的值。

#include<stdio.h>
int main()
{
	int n,i;
	scanf("%d",&n);
	int dp[n+1];//先创建一个数组保存历史数据
	dp[1]=0;//边界条件
	dp[2]=1;
	for(i=3;i<=n;i++)//通过关系式计算出第n项
	{
		dp[i]=dp[i-1]+dp[i-2];
	}
	printf("%d",dp[n]);//返回第n项的值
	return 0;
 } 

2.不同路径
一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。
问总共有多少条不同的路径？

由于我们的目的是从左上角到右下角一共有多少种路径，我们就可以定义dp[i][j]的含义为：当机器人从左上角走到（i，j）这个位置时，一共有dp[i][j]种路径，所以我们要求的是dp[m-1][n-1]。
我们可以看到机器人有两种不同的方式走到（m-1，n-1）
① 从（m-1，n-2）到（m-1，n-1）
② 从（m-2，n-1）到（m-1，n-1）
那么我们只要求出到（m-1，n-2）和（m-2，n-1）总共有多少条路径就得到了到（m-1，n-1）有多少条路径。因此我们可以得到状态转移方程为：dp[i][j]=dp[i-i][j]+dp[i][j-1]。但是当i或就中有一个元素为0时，i-1或j-1就成为了负数，这显然是不可以的，此时就需要边界条件了。我们可以看出当机器人位于第一行时，他的前一步只能是它的左边，dp[0][j]只能等于1。当机器人位于最左侧时，它的前一步只能向上，dp[i][0]也只能唯一。这就是它的边界条件。

#include<stdio.h>
int main()
{
	int m,n;
	scanf("%d %d",&m,&n);
	if(m==0 || n==0)
	{
		return 0;
	}
	int i,j;
	int dp[m][n];
	for(i=0;i<m;i++)//边界条件：初始化最左侧一列
	{
		dp[i][0]=1;
	}
	for(i=0;i<n;i++)//边界条件：初始化最上面一行
	{
		dp[0][i]=1;
	}
	for(i=1;i<m;i++)
	{
		for(j=1;j<n;j++)
		{
			dp[i][j]=dp[i-1][j]+dp[i][j-1];//求出所求路径
		}
	}
	return dp[m-1][n-1];
}

3.最短路径
给定一个三角形 triangle ，找出自顶向下的最小路径和。
每一步只能移动到下一行中相邻的结点上。相邻的结点 在这里指的是 下标 与 上一层结点下标 相同或者等于 上一层结点下标 + 1 的两个结点。也就是说，如果正位于当前行的下标 i ，那么下一步可以移动到下一行的下标 i 或 i + 1 。
输入：triangle = [[2],[3,4],[6,5,7],[4,1,8,3]]
输出：11
解释：如下面简图所示：
2
3 4
6 5 7
4 1 8 3
自顶向下的最小路径和为 11（即，2 + 3 + 5 + 1 = 11）

对于这道题和上面的些许不同，因为这道题我们不知道它的最后一步的位置，只知道它的起始位置。因此我们采用自下而上，直接在原数组上操作。我们可以看出在位置（i，j）时，它的下一步为（i+1，j）和（i+1，j+1)中较小者。因此状态转移方程为dp[i][j]=min(dp[i+1][j],dp[i+1][j+1])+dp[i][j].最终dp[0][0]即为我们所求的最小路径。我们可以先找出最后一行元素的最小值，然后往上逆推，最终会推到（0，0）的位置。（此题也可以按照前面两道题的方法做，因为我们不确定最终的位置是最后一行的哪一个，因此在最后需要从最后一行元素的dp[i][j]中找出最小值才是我们最终所需的答案。）

#include<stdio.h>
#define min(a,b) (a<b?a:b)

int minimumTotal(int** triangle, int triangleSize, int* triangleColSize){
    int i,j;
    if(triangle == NULL) 
	{
		return 0;
	}
    for(i = triangleSize-2;i >= 0;i--)
	{
        for(j = 0;j < triangleColSize[i];j++ )
		{
            triangle[i][j] = min(triangle[i+1][j],triangle[i+1][j+1])+triangle[i][j];
        }
    }
    return triangle[0][0];
}

五、总结
不管该子问题以后是否会被用到，只要它计算过，就将其结果填入表中。这就是动态规划的基本思路。