动态规划算法自学

递推：此时的最优必然是此前所推最优与此时可选方案的比较

1.必然有比较，即有多种方式达到目标。

2.必然与此前最优解有关。

3.必然从0到n，先看小最优再看要求最优。

1.确认dp数组与下标

int dp[i];

int dp[i][j];

明确dp与下标的含义，与关系。

2.递推公式

找最优；

dp[i] = min(dp[i-1],dp[i-2]);

遍历所有路径；

dp[i][j] = dp[i-1][j] + dp[i][j-1];

得到dp数组的途径，一般为两种。选择题目要求最优解（类比贪心局部最优推全局最优）。

3.dp数组如何初始化。

dp[0] = 0;dp[1] = 0;

for(int i=0; i<n; i++)

{

dp[0][i] = 0;

}

一般初始化dp[0]与dp[1]，其值可能为0，1.

4.遍历顺序

for(i=0; ;){

        for(j=0; ;)
}

5.举例推导dp函数。

遇到的难题：力扣：96-不同的二叉搜索树。

需要熟悉二叉搜索树和动态规划的概念。

 1.必然从0到n，想求dp[n],先去dp[0]......。

2.dp与下标关系：下标为组成结点，dp为有多少种组成方式。

这题不同之点在于一棵树有两个子树。及需要排列出左右子树的各种组成结点数再相加。

左子树的情况   *  右子树的情况为这一种情况的 种类。

for(int i=1; i<=n; i++)

    {

        for(int j=1; j<=i; j++)

        {

            dp[i] = dp[i] + dp[j-1]*dp[i-j];

        }

    }

 至于二叉搜索中的搜索不用我们担心，我们只知道结点数，其值将由系统自动分配。

动规：01背包问题

力扣416：分割等和子集问题

    确认dp数组以及下标含义（套入01背包）,三个要素，容量，重量，条件（是刚好装满，还是价值最高）：

二维01背包：dp[i][j];

i:存入的第几个数，j：背包的容量。条件：刚好装满（即最大重量 ==最大容量 ）。

dp数组的初始化：

分别判断i=0，与j=0的情况，考虑初始化。

当j=0时，重量为0，当i = 0时，不装都为0，能装都为nums[i]

则全初始化为0；

状态方程：

经典01背包状态方程：

dp[i][j] = max(dp[i-1][j], dp[i-1][j-nums[i]]);

遍历顺序：

for(i=1; i<numsSize; i++)//先遍历物品，每个物品只被使用一次。

    {

        for(j=0; j<=sum/2; j++)//再遍历容量。

        {

            if(j>=nums[i])

            {

                dp[i][j] = max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i]);

            }

            else

            {

                dp[i][j] = dp[i-1][j];

            }

        }

    }

二维与一维需要注意：

遍历顺序的不同：一维只能先遍历物品再遍历容量。且容量由大到小遍历，避免装入重复元素。

 又一种01背包类型题，从找背包容量到状态方程都有很大不同

 定义dp数组

明确dp数组及其下标含义

dp【】表示有多少种方法，下标标识背包容量为多少时有多少种方法，i表示处理第i个物品时不同背包容量会得到的总次数。

背包容量为x-（sum-x） =  target  -》 x = （sum+taget）/2;

所求的即是当 j = x 时，且遍历完 i 后，得到的次数。

比较奇特的状态方程

for(i=0; i<numsSize; i++)

    {

        for(j=(target+sum)/2; j>=nums[i]; j--)

        {

            dp[j] += (dp[j-nums[i]]);

        }

    }

    return dp[(target+sum)/2];

dp【j】 = 上一个物品在不考虑当前物品本身容量情况下的最多次数+上一个物品在最大容量时的最多次数。

又思考了一天后，明白这个状态方程。

dp[j](当出现新的物品时，将这个物品放或不放进去)

= dp[j](不放，即没有变化，上一个物品已经可以组成的可能性和次数)

+ dp[j-nums[i]](放入，即产生了新的变化，减去了新物品的重量后，还可以有多少种可能，因为加入了新元素，则都是新的装满背包的可能性)。

完全背包：

1）求组合数是外层循环物品，内层遍历容量

2）求排列数（不同顺序也可），先遍历外层容量，再遍历内层物品。