算法思想-动态规划

我所理解的动态规划，其本质是对递归的优化。所以一般需要先找出其递归方式，才能进一步地优化。但是，只要刷题数量达到了一定程度，就会隐约感觉到有一个解题模板，只需要按照这个模板去比对各种条件就可以解题。

动态规划核心三问题

1. 状态，动态规划都会使用到辅助数组来记录问题的解，这些数组的下标具有重要作用，一定要弄明白下标究竟表示哪种状态的解。
2. 转移方程，其本质是递归方程
3. 初始化，不同的问题要采用不同的初始化方式

1. 状态
   辅助数组一般有三种：一维数组，二维数组和三维数组。首先要明确使用几维的辅助数组作为解的记录，然后要弄清楚数组的下标表示什么，尤其是二维数组的下标，其含义可以千变万化。

1.单序列问题，采用一维数组
2.一维的代价，采用二维数组
3.二维的代价，采用三维数组

2. 转移方程
   转移方程与状态的联系非常紧密，

解题模板

1.1 单序列问题

单序列问题指的是使用一个一维数组（假设该数组名为dp）作为问题解（假设原问题的数组名为input）的记录，那么dp[i]的状态就一般表示为以当前元素作为结尾时的最优解。其状态转移方程分为以下几种情况：
dp[i]只与dp[i-1]有关，即该状态只与前一个状态相关
dp[i]与dp[0],dp[1]…dp[i-1]有关或者部分有关（很多时候可能是dp[i-j]和dp[j]），即该状态需要搜索前面全部已知状态，然后选取一个最优值

1.2 二维和三维辅助数组

所谓一维的费用，指的是每个物品具有一种费用，选择这个物品时只需要付出一种费用，譬如硬币问题，

所谓二维的费用，指的是每个物品具有两种不同的费用，选择这个物品时必须同时付出两种费用，譬如01组合问题，费用增加了一维，只需要状态也增加一维，设dp[i,v,u]表示前i个物品付出两种费用分别为v和u时可获得的最大价值。

解题流程

1.确认这是一个什么类型的问题，是单序列问题，还是背包问题
2.如果是单序列问题

2.1当前状态的状态转移方程是怎样的：是只与前一个状态有关，还是要在前面的所有状态之间挑选一个最优值
2.2初始化状态是怎样的：当只有一个元素的时候，解是怎样的

3.如果是背包问题

单序列问题

针对单序列问题，我采用的解题流程包括以下几步：

背包问题

针对背包问题，我所采用的解题流程包括以下几步：
1.这是一个什么类型的背包问题：

0/1背包 (每个物品只能选取一次) - 逆序循环
完全背包（每个物品可以重复选取） - 顺序循环
多重背包 - 拆分物品

2.初始化该怎么设置

求背包价值的最大值，最小值

要求恰好装满背包 -
初始化时除了dp[0]为0，其他dp[1…v]均设置为负无穷，这样就可以保证最终得到的dp[v]是一种恰好装满背包的最优解
没有要求恰好装满背包，初始化时将dp[0…v]全部设置为0 求数量的最大值，最小值

最小值，dp[0]设置为0，dp[1…v]设置为v+1
最大值，dp[0…v]设置为0 题目类型归类 组合问题-硬币问题

转发：https://kylinlingh.github.io/2018/07/05/algo-dynamic programming/