动态规划

大公司的笔试题基本都会用到动态规划来求解最优化问题，所以必须熟练掌握这个算法。其实很多牛逼的算法，比如动态规划，回溯，贪心算法，分支界限等，都讲的是一种思想而已，如果仅仅只了解了这种思想，是没有用的。要理解算法，就必须把它们用在各种实战上，这才是编程的本质。

动态规划理论：

一个问题可以分解成若干个子问题，将各个子问题最优解组合起来又可以达到问题的最优解（必要条件）。有最优子结构，重叠子问题。如果用递归的方法，那就会重复计算很多的重叠子问题，会加大计算量，所以一般用for循环来解决（一般是用到两个for循环），构建二维数组，然后遍历二维数组进行填表（非常关键），保存每一步的子问题的最优解，然后得到最终解。

动态规划有它的小套路（一定要记住）：

（1）如果物品i不放进去，则有V[i,w]=V[i-1,w];

（2）如果物品i放进去了，则有V[i,w]=V[i-1,w-wi]+vi;

然后我们从上述两种选择做出最优选择

V[i,w]=max{V[i-1,w],V[i-1,w-wi]+vi};

步骤：

（1）构建最优解结构

（2）根据这个最优解结构先得出一个最小的子问题的值（比如：if(i==0)cnt[i]=1;）

（2）自底向上的方式计算最优解的值（就是从最小的子问题开始）

（3）根据每一步最优解的值，得出最终的最优解。

（刚看到这个的时候觉得没什么用，不是在讲废话嘛。但是做了一两题再回过头来写这个，其实这个小套路是很有道理的，每一步都有关联，先找出结构，然后一步一步得出最优解。）

实战：

1、数字三角形路径和最大问题。http://acm.xmu.edu.cn/JudgeOnline/problem.php?id=1010

给定由n行数字组成的数字三角形，输出从三角形的顶至底的一条路径，使得该路径经过的数字和最大（在上一行选定一个节点后，下一行只能选该节点的左子女或右子女）

9

3 8

8 1 0

2 7 9 4

3 5 2 6 2

#include<iostream>
#include<vector>
using namespace std;
int main(){
	int n;
	cin>>n;
	vector<vector<int>>cnt;
	//二维数组输入
	for(int i=1;i<=n;i++){
		vector<int>vec;
		for(int j=1;j<=i;j++){
			int temp;
			cin>>temp;
			vec.push_back(temp);
		}
		cnt.push_back(vec);
	}
	//从倒数第二行开始，依次自底向上相加，对每个节点，取相加后值最大的那个
	for(int i=n-2;i>=0;i--){
		for(int j=0;j<=i;j++){
			cnt[i][j]+=max(cnt[i+1][j],cnt[i+1][j+1]);

		}
	}
	cout<<cnt[0][0]<<endl;
	return 0;
}

2、网易2017春招笔试题双核cpu参考一位大神博客http://blog.csdn.net/flyawayl/article/details/70241172

一种双核CPU的两个核能够同时的处理任务，现在有n个已知数据量的任务需要交给CPU处理，假设已知CPU的每个核1秒可以处理1kb，每个核同时只能处理一项任务。n个任务可以按照任意顺序放入CPU进行处理，现在需要设计一个方案让CPU处理完这批任务所需的时间最少，求这个最小的时间。

思路：使用0/1背包问题----使每个cpu的处理任务最接近sum/2

int main() {  
    int n;  
    while(scanf("%d", &n) == 1) {  
        int sum = 0;  
        for(int i = 1; i <= n; ++i) {  
            scanf("%d", &a[i]);  
            a[i] /= 1024;  
            sum += a[i];   
        }  
        memset(dp, 0, sizeof(dp));  
        for(int i = 1; i <= n; ++i) {  
            for(int j = sum/2; j >= a[i]; --j) {  
                dp[j] = max(dp[j], dp[j - a[i]] + a[i]);  
            }  
        }  
        printf("%d\n", max(dp[sum/2], sum-dp[sum/2])*1024);  
              
    }  
    return 0;  
}   

3、典型的动态规划应用有：0/1背包问题、最长公共子序列、装配线调度