动态规划详解（2）

中级篇：二维DP问题

接下来，让我们来看看如何解决二维的DP问题。

问题描述：平面上有N＊M个格子，每个格子中放着一定数量的苹果。你从左上角的格子开始，每一步只能向下走或是向右走，每次走到一个格子上就把格子里的苹果收集起来，这样下去，你最多能收集到多少个苹果。

解这个问题与解其它的DP问题几乎没有什么两样。第一步找到问题的“状态”，第二步找到“状态转移方程”，然后基本上问题就解决了。

解这个问题与解其它的DP问题几乎没有什么两样。第一步找到问题的“状态”，第二步找到“状态转移方程”，然后基本上问题就解决了。

首先，我们要找到这个问题中的“状态”是什么？我们必须注意到的一点是，到达一个格子的方式最多只有两种：从左边来的(除了第一列)和从上边来的(除了第一行)。因此为了求出到达当前格子后最多能收集到多少个苹果，我们就要先去考察那些能到达当前这个格子的格子，到达它们最多能收集到多少个苹果。 (是不是有点绕，但这句话的本质其实是DP的关键：欲求问题的解，先要去求子问题的解)

经过上面的分析，很容易可以得出问题的状态和状态转移方程。状态S[i][j]表示我们走到(i, j)这个格子时，最多能收集到多少个苹果。那么，状态转移方程如下：

S[i][j]=A[i][j] + max(S[i-1][j], if i>0 ; S[i][j-1], if j>0)
其中i代表行，j代表列，下标均从0开始；A[i][j]代表格子(i, j)处的苹果数量。

S[i][j]有两种计算方式：1.对于每一行，从左向右计算，然后从上到下逐行处理；2. 对于每一列，从上到下计算，然后从左向右逐列处理。这样做的目的是为了在计算S[i][j]时，S[i-1][j]和S[i][j-1]都已经计算出来了。

伪代码如下：

高级篇

这一节要讨论的是带有额外条件的DP问题。

以下的这个问题是个很好的例子。

无向图G有N个结点，它的边上带有正的权重值。

你从结点1开始走，并且一开始的时候你身上带有M元钱。如果你经过结点i，那么你就要花掉S[i]元(可以把这想象为收过路费)。如果你没有足够的钱，就不能从那个结点经过。在这样的限制条件下，找到从结点1到结点N的最短路径。或者输出该路径不存在。如果存在多条最短路径，那么输出花钱数量最少的那条。限制：
        1<N<=100 ; 0<=M<=100 ; 对于每个i，0<=S[i]<=100；

正如我们所看到的，如果没有额外的限制条件(在结点处要收费，费用不足还不给过)，那么，这个问题就和经典的迪杰斯特拉问题一样了(找到两结点间的最短路径)。

在经典的迪杰斯特拉问题中，我们使用一个一维数组来保存从开始结点到每个结点的最短路径的长度，即M[i]表示从开始结点到结点i的最短路径的长度。然而在这个问题中，我们还要保存我们身上剩余多少钱这个信息。因此，很自然的，我们将一维数组扩展为二维数组。M[i][j]表示从开始结点到结点i的最短路径长度，且剩余j元。通过这种方式，我们将这个问题规约到原始的路径寻找问题。

在每一步中，对于已经找到的最短路径，我们找到它所能到达的下一个未标记状态(i,j)，将它标记为已访问(之后不再访问这个结点)，并且在能到达这个结点的各个最短路径中，找到加上当前边权重值后最小值对应的路径，即为该结点的最短路径。 (写起来真是绕，建议画个图就会明了很多)。

不断重复上面的步骤，直到所有的结点都访问到为止(这里的访问并不是要求我们要经过它，比如有个结点收费很高，你没有足够的钱去经过它，但你已经访问过它) 最后Min[N-1][j]中的最小值即是问题的答案(如果有多个最小值，即有多条最短路径，那么选择j最大的那条路径，即，使你剩余钱数最多的最短路径)。

伪代码如下：

其它

当阅读一个题目并且开始尝试解决它时，首先看一下它的限制。如果要求在多项式时间内解决，那么该问题就很可能要用DP来解。遇到这种情况，最重要的就是找到问题的“状态”和“状态转移方程”。(状态不是随便定义的，一般定义完状态，你要找到当前状态是如何从前面的状态得到的，即找到状态转移方程)如果看起来是个DP问题，但你却无法定义出状态，那么试着将问题规约到一个已知的DP问题。