动态规划解题示例

一、动态规划

动态规划问题解决的思路一般有以下几步：

1. 确定状态：在动态规划问题中，状态一般就是我们需要优化的问题中的变量。状态需要满足无后效性（即某一阶段的状态一旦确定，就不受之后决策的影响）。

2. 确定状态转移方程：状态转移方程是动态规划问题的关键。通过已知的状态和决策，求出下一步的状态。状态转移方程需要满足最优子结构性质（即一个问题的最优解包含其子问题的最优解）。

3. 确定边界条件：边界条件是指动态规划问题中最小子问题的解，也就是动态规划过程中需要初始化的值。

4. 确定求解顺序：动态规划问题一般有自底向上和自顶向下两种求解方式。自底向上需要先求解最小子问题的解，然后逐步求解更复杂的问题。自顶向下则是从最大的问题开始逐步拆解成小问题，直到求解最小子问题的解。

5. 求解问题：根据求解顺序和状态转移方程，计算所有可能状态的值，最终得到问题的最优解。

6. 子问题求解后，更新对应的样本节点的值为子问题求解值（比如第五个节点为伪节点的最大和存在第五个节点中）

需要注意的是，动态规划问题需要具有重叠子问题和无后效性，才能使用动态规划求解

举例说明动态规划的求解思路：

力扣（LeetCode）官网 - 全球极客挚爱的技术成长平台

举例2：

假设有一个背包，可以容纳指定重量的物品，现在有一些物品，每个物品有各自的重量和价值，如下表所示：

物品编号	重量	价值
1	2	6
2	2	3
3	6	5
4	5	4
5	4	6

现在要从这些物品中选择若干个放入背包，使得背包中物品的总重量不超过指定重量，同时背包中物品的总价值最大。这个问题可以用动态规划求解。

首先定义子问题：

设 $f(i,j)$ 表示前 $i$ 个物品放入容量为 $j$ 的背包中所能获得的最大价值。

接下来就可以进行状态转移了：

对于每个物品 $i$，有两种情况：

• 不选物品 $i$，则 $f(i,j) = f(i-1,j)$。
• 选物品 $i$，则 $f(i,j) = f(i-1,j-w_i)+v_i$。其中 $w_i$ 表示物品 $i$ 的重量，$v_i$ 表示物品 $i$ 的价值。

因此，可以得到状态转移方程：

$$ f(i,j) = \max(f(i-1,j), f(i-1,j-w_i)+v_i) $$

初始状态为 $f(0,j)=0$，表示没有物品放入背包时的最大价值为0。

最后，问题的解就是 $f(n,W)$，其中 $n$ 表示物品数量，$W$ 表示背包容量。

通过动态规划求解背包问题，可以得到以下表格：

物品编号	重量	价值	0	1	2	3	4	5	6
1	2	6	0	0	6	6	6	6	6
2	2	3	0	0	6	6	9	9	9
3	6	5	0	0	6	6	9	9	9
4	5	4	0	0	6	6	9	9	10
5	4	6	0	0	6	6	9	10	12

表格中，每个格子表示在指定背包容量下，放入指定物品编号之前所能获得的最大价值。可以发现，最后一个格子 $f(5,6)=12$，即背包中物品的总价值最大为12。同时，可以根据表格中的信息，得到所选取的物品编号。