动态规划-Dynamic Programming

概念

动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。20世纪50年代初，美国数学家贝尔曼（R.Bellman）等人在研究多阶段决策过程的优化问题时，提出了著名的最优化原理，从而创立了动态规划。动态规划的应用极其广泛，包括工程技术、经济、工业生产、军事以及自动化控制等领域，并在背包问题、生产经营问题、资金管理问题、资源分配问题、最短路径问题和复杂系统可靠性问题等中取得了显著的效果

参考点【重要】

1. 子路径最优解也是全局最优解，如果不满足则不适合使用动态规划；
2. 将问题拆分为多个子问题，每个子问题解法相同（如果有不同可以利用分段函数分析）；
3. 维护一个数组（可以是多维数组）
4. 拓展：无后效性

案例

题目：求数组中任意子数组的最大和，如[1,-3,6,2,-1],子数组累加和的最大值为8。
分析：可以暴力计算，但是时间复杂度为O(n²)，使用动态规划思路：
[1]

{
[1]
}=> add_max=1

[1,-3]

{
[1,-3]
[-3]
}=> add_max=-2

[1,-3,6]

{
[1,-3,6]
[-3,6]
[6]
↓
//上一次的最大值与最后一位累加
[-2, 6]
[6]
}=> add_max=6

[1,-3,6,2]

{
[1,-3,6,2]
[-3,6,2]
[6,2]
[2]
↓
//上一次的最大值与最后一位累加
[6, 2]
[2]
}=> add_max=8

[1,-3,6,2,-1]

{
[1,-3,6,2,-1]
[-3,6,2,-1]
[6,2,-1]
[2,-1]
[-1]
↓
//上一次的最大值与最后一位累加
[8, -1]
[-1]
}=> add_max=7

最后在[1, -2, 6, 8, 7]中的最大值8。
*时间复杂度O(n)

//伪代码
//最大累加和
public int GetMaxSubarrAdd(int[] arr)
{
	if(arr.Length <= 0)
		throw;
	//每个位置前边的子集合最大累加和的集合记录
	int[]  target = new int[arr.Length];
	target[0] = arr[0];
	for(int i = 1; i < arr.Length; i++)
	{
		//前边的最大累加和 + 最后一位，与最后一位对比，取最大值，放到维护的列表中
		target[i] = Math.Max(target[i - 1] + arr[i], arr[i]);
	}
	retrun target.MaxItem();
}