动态规划心得

一、找出最优解的性质，刻划其结构特征-最优子结构特征

        1.  矩阵连乘：将矩阵连乘积简记为A[i:j] ，这里i≤j，m[i][j]为计算矩阵A[i:j]所需的最少数乘次数

           2.  最长公共子序列中的X(m)={x1,x2,…,xm}和Y(n)={y1,y2,…,yn}，z[i][j]记录字符串X[i]、Y[j]最长公共子串长度

           3.  最大子段和:子问题: {a1,a2, …, aj}，b[j]计算区间a[1:j]上最大子区间长度

           4.  最优三角剖分：凸子多边形{vi-1,vi,…,vj}，t[i][j]记录凸多边形{vi-1,vi..vj}的最优三角剖分所对应的权函数值

           5.  多边形游戏：从顶点i(1≤i≤n)开始，长度为j(链中有j个顶点)的顺时针链p(i，j)，即v[i], op[i+1], …, v[i+j-1]，                   m[i][j][0]存放自顶点i开始(首次删除第i条边)，长度为j的子链长度的最小值，m[i][j][1]存放自顶点i开始(首次删                 除第i条边)，长度为j的子链长度的最大值

           6.  图像压缩：前i个象素序列{p1,…,pi}，s[i]存储为前i段灰度值所需最小存储空间,

               7.  背包问题中的子问题<i,j>，m[i][j]表示可选物品为i+1,i+2..n，背包容量为j时，所装物品的最大价值 

           8.  最优二叉搜索树：最优二叉搜索树Tij，m[i][j]为子树{xi..xj}最小平均路长

二、递归地定义最优值：刻画原问题解与子问题解间的（数值）关系：表达式中存在        寻优变量、最优目标值

          1.  矩阵连乘： 当i=j时，m[i][j]=0; 只有一个矩阵，相乘次数为0

        （m[1][n]）当i<j时，m[i][j]=max{m[i][k]+m[k+1][j]+p[i-1]p[k]p[j]}

                   其中，k为区间[i,j)之间的断点，矩阵Ai的维数为p[i-1]*p[i]

                   

           2.  最长公共子序列：    当i=0或j=0时，z[i][j]=0;  其中一个序列为空

               （z[lenx][leny]）    当i,j>0 && X[i]==Y[j]，z[i][j]=z[i-1][j-1]+1

                                                            当i,j>0 && X[i]!=Y[j]， z[i][j]=max{z[i-1][j],  z[i][j-1]}

           3.  最大子段和：  当j=0，b[j]=0;  序列为空

               （b[n])              当j>0，b[j]=max{b[j-1]+a[j], a[j]}

           4.  最优三角剖分：  当i=j，t[i][j]=0; 此时三角形中只有两个顶点，为退化三角形

              （t[1][n]）             当i<j，t[i][j]=max{t[i][k]+t[k][j]+w(vi-1,vi,vj)}

                                           k为区间[i, j)上的断点，w(vi-1,vi,vj)为三角形的权值

           5.  多边形游戏：      当j=1，m[i][j][0]=v[i]，m[i][j][1]=v[i]; 长度为的子链

              （max{m[i][n][1]}）当j>1，m[i][j][0]=min{minf(i,j,s), 1<=s<j, 1<=i,j<=n}

                                                        m[i][j][1]=max{maxf(i,j,s), 1<=s<j, 1<=i,j<=n}

                                                        maxf(i,j, s)-----将p(i,j)在op[i+s]处断开后的最大值，minf(i,j,s)----最小值                  

           6.  图像压缩：当i=0，s[i]=0;   灰度序列长度为0

                （s[n]）     当i>0，s[i]=min{s[i-k]+k*bmax(i-k+1,i)}+11

                                  bmax(i-k+1,i)为最后一段[i-k+1]像素所占位数

           7.  背包问题中的子问题<i,j>，当i=n，如果w[n]>j，m[i][j]=0;    此时物品重量>背包容量

                 （m[1][c]）                                     如果w[n]<=j, m[i][j]=v[n];  此时物品重量<=背包容量

                                                                        此时背包容量为j，只有一个物品可选{n},  w[]为物品重量, v[]为物品价值

                                                           当i<n，如果w[n]>j，m[i][j]=m[i-1][j];    

                                                                        如果w[n]<=j, m[i][j]=max{m[i-1][j], m[i-1][j-w[i]]+v[i]};  

           8.  最优二叉搜索树：m[i][i-1]=0  1<=i<=n  i>j

                 （m[1][n]）          m[i][j]=w[i][j]+min{m[i][k-1]+m[k+1][j]}  i<=j

                                             k为区间[i,j]上的断点

                                             a[]中存放在二叉树中的叶节点找到x的概率（成功）

                                             b[]中存放在内节点上找到x的概率（失败）

                                             T(i,j)为有序集{xi..xj}关于存取概率{a[i-1],b[i]...b[j],a[j]}的一棵最优二叉树

                                             w[i][j]表示查询落在区间(xi-1, xj+1)上的概率

                                             w[i][j] = a[i-1] + b[i] +…+ b[j] + a[j]

三、以自底向上的方式计算出各个子问题、原问题的最优值,  并避免子问题的重复            计算（记录已计算的子问题解）

              这是动态规划相对于递归与分治的好处，也可以采用备忘录方法，形式上更加简洁。

四、根据计算最优值时得到的信息，构造最优解

                主要是根据各个断点，进行回溯，构造解的过程

             我觉得，遇到一个求最优问题，首先要将问题抽象出数学模型，用符号语言描述问题，然后找出此问题是否具有最优子结构，如果具有，再以递归的定义构造子问题的最优解，这一步最为关键，这不仅关系到问题是否能求解出，也关系到求解效率。然后自底向上构造最优解，当所有子问题的最优解求出来时，整个问题的最优解也就求出来了。个人感觉，还是数学的作用比较重要一些吧，在这些动态规划的问题中，不乏一些优秀的优化案例，比如在最优二叉搜索树中，运用了动态规划加速原理，这便是数学知识的运用。