【动态规划】动态规划总结

数组表示一个集合，表示的值是集合的一个特性（可以自己定），每一个集合都有几个限制条件，求出的值必须满足这个特性。转移方程的推导可以看做是把一个集合划分成几个不同的子集，这些子集的特性是已知的，就可以转移。

1.状态表示：集合、属性

2.状态转移：划分集合

重要思想：

每个子问题的决策不能被后面其他未解决的问题影响
某阶段的状态一旦确定，则此后过程的演变不再受此前各种状态及决策的影响
某阶段的状态一旦确定，未来的决策不会再影响前面的 
未来的决策不会受到前面的影响（只能直接调用结果） ，也不会影响前面的决策 

注意问题：

1.每一个存在和合理的状态的值都必须存在，且值必须是正确的。如果有一个状态不合理，必须和所求的属性赋值一个极大的相反值

2.如果发现当前维数的状态方程难以推导，可以考虑再开一维

3.分组背包的理解：分组背包就是把01背包的for循环顺序交换了一下，理解：交换之后，先枚举组数，然后枚举体积，在体积里面枚举每一组的物品，所以，在更新一个体积的时候，就只会用这一个组内，能使当前结果最优的一个进行更新，就可以实现，一组只取一个的目的。

4.如果从一个集合要推出当前这个集合的话，就必须明确他们之间元素的关系，如果不能确定，南无状态转移方程几有可能推错了，需要重新从一个确定的状态转移。集合之间

5.有的背包里面，时间可以使价值也同时可以使体积

6.顺推和倒推的最优子结构满足性区别，（顺推）它以前各阶段的状态无法直接影响它未来的决

策，所以，如果有延后性的满足条件，我们就可以倒推来解决这个问题

6.最长上升子序列可以开一个数组记录一下过程，记录一下过程中的分数之和

7.有多种情况组合而成的时候，可以把这些情况拆解开，分成多个分别dp，再找出他们之间的关系

8.矩阵求的dp有很多，一般都是拆解开，分多个dp

9.依赖背包（树形）就是分组背包的变形，是枚举分给每一个子树多少体积，这相当于分组背包里，一个组里的一个物品，一个物品当然不能被选两遍，所以，一个子树的一种体积状态也不能被更新两次。但是，这个子树的每一种体积的状态枚举和顺序是无关的。由此我们可以得出，外层枚举体积的循环要倒序，但是内层枚举每一个子树的体积的时候，不用在乎顺序的问题（和分组背包一样），都是要求当前体积下，一种子树体积去更新局部最优解。

10.注意，不成立的状态，不可能的状态，如果存在后面会转移的可能性，就要把它的值设为与答案完全相反的一个值，防止用这个值更新出一种不成立的最值答案。

11.dp的时候，该开long long就开long long不要吝啬，否则就会爆0，但是有的时候，看题上的空间限制，如果开得太多，也会爆0，

12.dp的转移方程其实不难，基本都可以自己推出来。

13.有的题目上的物品并不是真正的物品，可能转化为（一艘船），用看似不想关联的事物做每一个单独的物品

14.注意考虑最差情况的转移，并非只有最好的情况可以转移（可能最好的情况不合法）

15.注意差值bool的动态规划，表示一种状态可不可行

16.动态规划还可以使用倍增的思路，比较简单一些，就和lca一样，把一种状态的2^0的状态预处理一下，然后就可以使用倍增快速处理出数据，

17.如果有两个元素之间的关系，可以开两个数组，分别作第一关键字和第二关键字，这样dp就有了转移的可能

18.区间dp就是先枚举区间长度，枚举左端点，再枚举断点，注意断点的定义，正不能把一个l,r枚举两次 。如果k是包括k算在左侧区间的话，结尾就是<r，反之，就是从l+1开始枚举。假设两边都包含，那样就会把l,r算两次，而且，值还会被加两次

19.区间dp在赋初值的时候，看清楚初值和代价的区别，若把代价赋成初始值，就会算两遍len==1的初始值，

20.排列问题可以考虑插入后的状态变化（一般是有序插入）

21.对dp无后效性的理解：就是在dp的时候必须要满足最优子结构，满足之后，在下一次决策时可以调用当前的最大值进行转移，可以知道，这种一定是最大的情况。无后效性就是指，如果当前决策的最优性会受到以后决策的影响，那么，就不可能进行状态转移，所以设计一个结构，使决策的性质只会在两次之间传递，只会和前一个有影响，或者是能推出来下一个，那么，转移就是有可能的

21.动态规划中的压缩路径问题，压缩路径优化数组， t * ( t - 1)就是路径，可以看做不论怎样走，都可以先走一段，然后具体走

22.动态规划主要还是看清题目上给的限制条件，用限制条件卡循环范围和转移方程

23.有返回值的函数如果不写retrun就会奇妙！！！！

24.（dp自己一个小时推出来的感觉简直不要太爽）

25.数组赋初始值极大值或者极小值的时候，尽量在for内部赋值，这样就会防止一些本应该是0的状态被memset改变

26.dp输出方案可以使用贪心的思想，只要是可行解就行

27.在进行背包的时候，有时会发现背包的体积太大，物品的体积也很大，我们就可以把每一件物品减去 mi - 1 ( mi 是物品中的最小体积)，把总体积设为sv（物品的总体积 - n*mi），然后开二维的背包，三重for循环，只要判断一下j + k*mi<= w就可以

28.可以用pair来保存下标，然后记录转移就可以很方便

29.字符串区间染色的问题可以用区间dp来做

30.其实有的题目中判断情况成不成立可以转化为非常简单的问题，比如区间满覆盖

31.dp的有些问题也可以使用贪心的思想

32.dp方程的初始化最好是赋为极值，因为你不知道哪个不合法的状态会转移东西，比如f[0][5]