动态规划原理 数据结构

       最近有时间翻翻《算法导论》，当然对于算法，我是一名初学者。之前虽然老师和学长学姐们都推荐过《算法导论》这本书，但一直认为很深奥，而且自己的数学功底也没那么好，所以常常在每学期伊始翻几页就束之高阁了，这次利用暑假准备复习一下数据结构，于是，拂去灰尘，又打开了这本书，当然，依旧有些公式不懂，也未对每个知识点求甚解，但在本书中每个知识点的原理，分析都是十分的清晰与严谨。结合例子去运用，分析，最后对知识点总结，甚至优化。

       刚开始是硬着头皮读下去，到现在，尽管还在学习的半路上，菜鸟一只，不过收获还是挺大的，不仅是会解决了哪些问题，更重要的是提升了分析问题的能力。

       好啦，下面言归正传啦，记一写动态规划原理的知识点。大部分是根据《算法导论》来写的，写在博客上也方便自己以后看，而且还练习了打字O(∩_∩)O。

      在学习了钢条的切割问题，以及矩阵链的乘法问题，下面来对动态规划的原理稍作总结。

 最优子结构和子问题重叠

     动态规划方法求解的最优化问题应该具备的两个要素：最优子结构和子问题重叠。

 最优子结构

       用动态规划方法求解最优化问题的第一步就是刻画最优解的结构。如果一个问题的最优解包含其子问题的最优解，我们就称此问题具有最优子结构的性质。用子问题的最优解来构造原问题的最优解。因此，我们要确保考察了最优解用到的所有子问题。

在发掘最优子结构性质的过程中，实际上遵循了一些通用模式：

1.最优解的第一个组成部分是做出一个选择，例如，选择钢条第一次切割的位置，选择矩阵的划分位置等，最初选择之后，会产生一个或多个待解的子问题。

2.对于一个给定的问题，在其可能的第一选择之后中，假设你已经知道哪种选择才会得到最优的解。

3.给定可获得的最优解的选择之后，你确定这次选择会产生哪些子问题，以及如何更好的刻画子问题空间。

4.作为构成原问题最优解的组成部分，每个子问题的最优解就是原问题的最优解。

   刻画子问题空间好的经验是：保持子问题空间尽可能的简单，只是在必要的时候扩展它。

 对于不同的领域，子问题结构的不同，体现在两个方面：

1.子问题的数量

2.在确定哪些子问题时，需要考虑的选择的数量。

    在动态规划的问题中，我们通常考虑的是自底向上的使用最优子结构，也就是说，先求子问题的最优解，然后求原问题的解。在求原问题的过程中，我们需要在涉及的子问题中作出选择，选择能得到原问题最优解的子问题。

 重叠子问题

       适合用动态规划求解的最优化问题应该具备的第二个性质是：子问题的空间尽可能的小，即问题的递归算法会反复的求解相同的子问题，而不是一直产生新的子问题。动态规划算法通常的做法利用重叠子问题性质，对每个子问题求解一次，将解存入到一个表中，当再次需要这个子问题时，每次查表的代价为常数。

重构最优解

     我们通常将每个子问题所做的选择存在一个表中，这样不必根据代价值来重构这些信息。