DP进阶

动态规划
动态规划部分简介
动态规划基础
记忆化搜索
背包DP
区间DP
DAG上的DP
树形DP
状压DP
数位DP
插头DP
计数DP
动态DP
概率DP
DP优化
其他DP方法

构成动态规划算法的三要素：

状态
阶段
决策

动态规划求解的三个基本条件：

子问题重叠性
无后效性
最优子结构

动态规划的艺术在于状态设计和子结构的挖掘。

多年来，学界探讨了诸多DP转移的方法和优化手段，然而如何把问题形式化为状态空间，进一步抽象出DP的状态表示和阶段划分，往往是一件考察智力而非套路的问题。

LIS（最长上升子序列）

状态表示：
F[i]表示a[i]为结尾的“最长上升子序列”长度

阶段划分：
子序列的结尾位置

转移方程：
F[i] = max(F[i] + 1)

边界：
F[0] = 0

LCS（最长公共子序列）

状态表示：
F[i][j]表示前缀子串A[1~i], B[1~j]的“最长公共子序列”长度

阶段划分：
已经处理的前缀长度

转移方程：
F[i][j] = max(F[i-1,j],F[i,j-1],F[i-1,j-1]+1 ( if A[i] == B[j]))

边界：
F[i,0] = F[0,j] = 0

区间DP

区间DP也属于线性DP的一种，它以“区间长度”为DP的“阶段”，使用两个坐标描述每个维度。

在区间DP中，一个状态由若干个比它更小且包含于它的区间所代表的状态转移而来，因此区间DP的决策往往就是划分区间的方法。

区间DP的特征：

**合并：**即将两个或多个部分进行整合，当然也可以反过来；
**特征：**能将问题分解为能两两合并的形式；
**求解：**对整个问题设最优值，枚举合并点，将问题分解为左右两个部分，最后合并两个部分的最优值得到原问题的最优值。

记忆化搜索

记忆化搜索时搜索吗？
是的
实际上 ，记忆化搜索的本质还是动态规划。
动态规划通常有两种实现形式：递推和记忆化搜索。

通常的方法：
1.写出状态转移方程
2.写出DFS方程
3.添加记忆化数组