刷题（8）-动态规划（1）

 

动态规划

通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。

基本思想

若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。 通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量： 一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。 这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。

分治与动态规划

共同点：二者都要求原问题具有最优子结构性质,都是将原问题分而治之,分解成若干个规模较小(小到很容易解决的程序)的子问题.然后将子问题的解合并,形成原问题的解.

不同点：分治法将分解后的子问题看成相互独立的，通过用递归来做。

　　　　 动态规划将分解后的子问题理解为相互间有联系,有重叠部分，需要记忆，通常用迭代来做。

问题特征

最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。

重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。

两种动规

1）自底向上的动规，迭代

常规的动规解法，简单讲就是面对一个大问题，我们从小问题开始，一步一步扩大问题的规模，直到干到大问题，并且记录每次得到的较小问题的解，用来辅助解决较大问题。

并且这种动规解法，是用迭代来写代码的。

 

描述最优解的结构

递归定义最优解的值

按自底向上的方式计算最优解的值

由计算出的结果构造一个最优解

 

2）自顶向下的动规，也叫备忘录解法，递归

是动规的一种变形，我们还是上来就解决大问题，并且每次都把大问题给分解成小问题，也就是还是递归的方式，但是我们会为保存每个解过的小问题的解，并且在非边界条件下,每次求解子问题时,先查找备忘录. 若子问题已经求解过了,直接取出子问题的解;若未求解过,则求解并保存到备忘录中.

这种动规的代码 就还是递归的形式。

相较于常规动规，这种动规的优点是：

1.代码比较简单，在一般的递归代码里面加个判断就ok了

2. 适用于有大量的子问题无需求解的情况。也就是动规的那个n维数组里面有相当一部分元素在整个计算中都不会被用到的时候。 这种情况，用备忘录方法更省时，但是一般情况下，无需计算的子问题只有少部分或全部都要计算时，还是迭代的自底向上的递归比较省时。

备忘录解法，只作为一个了解，刷题的过程还是用常规的动规解法，毕竟主要是为了让面试官满意  orz....

自底向下动规步骤

 递归到动规的一般转化方法

    递归函数有n个参数，就定义一个n维的数组，数组的下标是递归函数参数的取值范围，数组元素的值是递归函数的返回值，这样就可以从边界值开始， 逐步填充数组，相当于计算递归函数值的逆过程。注意二维数组用容器，C++动态分配二维数组太坑爹

    动规解题的一般思路

    1. 将原问题分解为子问题

    把原问题分解为若干个子问题，子问题和原问题形式相同或类似，只不过规模变小了。子问题都解决，原问题即解决(数字三角形例）。
    子问题的解一旦求出就会被保存，所以每个子问题只需求 解一次。

    2.确定状态

    在用动态规划解题时，我们往往将和子问题相关的各个变量的一组取值，称之为一个“状 态”。一个“状态”对应于一个或多个子问题， 所谓某个“状态”下的“值”，就是这个“状 态”所对应的子问题的解。
    所有“状态”的集合，构成问题的“状态空间”。“状态空间”的大小，与用动态规划解决问题的时间复杂度直接相关。 在数字三角形的例子里，一共有N×(N+1)/2个数字，所以这个问题的状态空间里一共就有N×(N+1)/2个状态。
    整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次，且在每个状态上作计算所花的时间都是和N无关的常数。

    3.确定一些初始状态（边界状态）的值

    以“数字三角形”为例，初始状态就是底边数字，值就是底边数字值。

 

    4. 确定状态转移方程

     定义出什么是“状态”，以及在该“状态”下的“值”后，就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”，求出另一个“状态”的“值”(递推型)。状态的迁移可以用递推公式表示，此递推公式也可被称作“状态转移方程”。

    数字三角形的状态转移方程:

    

    能用动规解决的问题的特点

    1) 问题具有最优子结构性质。如果问题的最优解所包含的 子问题的解也是最优的，我们就称该问题具有最优子结 构性质。

    2) 无后效性。当前的若干个状态值一旦确定，则此后过程的演变就只和这若干个状态的值有关，和之前是采取哪种手段或经过哪条路径演变到当前的这若干个状态，没有关系。
 

 

 

动规的一般说明： https://blog.csdn.net/baidu_28312631/article/details/47418773

备忘录解法的例子： https://www.xuebuyuan.com/1891575.html

动规的典型问题： https://www.cnblogs.com/raichen/p/5772056.html