借鉴:http://www.cnblogs.com/steven_oyj/archive/2010/05/22/1741374.html
动态规划算法:
一、算法思想:
将待求解的问题分解成若干个子问题,并存储子问题的解而避免计算重复的子问题,并由子问题的解得到原问题的解。
l动态规划算法通常用于求解具有某种最优性质的问题。
l动态规划算法的基本要素:最优子结构性质和重叠子问题。
1、l最优子结构性质:
问题的最优解包含着它的子问题的最优解。即不管前面的策略如何,此后的决策
必须是基于当前状态(由上一次决策产生)的最优决策。
2、重叠子问题:在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些问题被反复计算多次。对每个子问题只解一次,然后将其解保存起来,以后再遇到同样的问题时就可以直接引用,不必重新求解
二、特征:
1. 动态规划一般解决最值(最优,最大,最小,最长……)问题;
2. 动态规划解决的问题一般是离散的,可以分解(划分阶段)的;
3. 动态规划解决的问题必须包含最优子结构,即可以由(n-1)的最优推导出n的最优。
三、动态规划算法的4个步骤:
1. 刻画最优解的结构特性. (一维,二维,三维数组) 将(1,2,3,4,5.....i-1,i)状态的值存到数组中
2. 递归的定义最优解. (状态转移方程)
3. 以自底向上的方法来计算最优解.
4. 从计算得到的解来构造一个最优解.
四、主要思路:
n许多求最优解的问题可以用动态规划来解决。
n
首先要把原问题分解为若干个子问题。注意单纯的递归往往会导致子问题被重复计算,用动态规划的方法,子问题的解一旦求出就要被保存,所以每个子问题只需求解一次。
n 子问题经常和原问题形式相似,有时甚至完全一样,只不过规模从原来的n 变成了n-1,或从
原来的n×m 变成了n×(m-1) ……等等。
n 找到子问题,就意味着找到了将整个问题逐渐分解的办法。
分解下去,直到最底层规模最小的的子问题可以一目了然地看出解。
n 每一层子问题的解决,会导致上一层子问题的解决,逐层向上,就会导致最终整个问题的解决。
n
如果从最底层的子问题开始,自底向上地推导出一个个子问题的解,那么编程的时候就不需要写递归函数。
n 用动态规划解题时,将和子问题相关的各个变量的一组取值,称之为一个“状态”。
一个“状态”对应于一个或多个子问题,所谓某个“状态”下的“值”,就是这个“状态”所对应的子问题的解。 比如数字三角形,子问题就是“从位于(r,j)数字开始,到底边路径的最大和”。这个子问题和两个变量r 和j 相关,那么一个“状态”,就是r, j 的一组取值,即每个数字的位置就是一个“状态”。该“状态”所对应的“值”,就是从该位置的数字开始,到底边的最佳路径上的数字之和。
n 定义出什么是“状态”,以及在该 “状态”下的“值”后,就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”,求出另一个“状态”的“值”。
状态的迁移可以用递推公式表示,此递推公式也可被称作“状态转移方程”。(注意:状态可以用什么来表示?一般是数组,值就是这个数组存的数字)
n用动态规划解题,如何寻找“子问题”,定义“状态”,“状态转移方程”是什么样的,并没有一定之规,需要具体问题具体分析,题目做多了就会有感觉。(难点!)