动态规划时间复杂度_算法分析与设计之动态规划

动态规划同样是一种将问题分解为求解子问题的方法，不过与分治不同的是，动态规划算法的子问题不是相互独立的，而是有公共的部分，即有重叠子问题，这个时候使用分治算法，将会重复计算公共的子问题，效率很低！而用某种方法将中间计算的结果保存下来，以供后面直接使用，将会大大提高效率，体现了一种“用空间换时间的”思想！

那么什么样的问题才可以使用动态规划方法呢？有两个条件：

动态规划算法的设计步骤：

接下来，将通过几个例子来体会动态规划的基本思想。

例1: 最长公共子序列问题

思考，该问题的优化子结构是：

证明如下：

递归的定义最优解的代价：

重叠子问题：

建立递归方程：

则从左往右、从上往下进行计算：

写出算法的伪代码如下：

构造最优解：

例2: 矩阵链乘法

注意到，矩阵链乘法的代价对于不同的计算顺序，代价也不同。

优化子结构：

重叠子问题：

递归的定义最优解的代价：

自底向上的计算最优解的代价：

算法的伪代码如下：

构造最优解：

算法的时间复杂度与空间复杂度分析：

例3: 0/1背包问题

思考 ：

优化子结构：

重叠子问题：

建立递归方程：

自底向上的计算最优解的代价：

算法的伪代码如下：

构造优化解：

算法复杂度分析：

例4: 最优的二叉搜索树

先来看下二叉搜索树的相关概念：(可以参考：二叉搜索树)

问题的定义：

思考 ：该问题怎么去划分子问题？是否具有优化子结构呢？

优化子结构：

建立递归方程：

所以：

自下而上的计算优化解的搜索代价：

算法伪代码如下：

其中：

算法的复杂度分析：

---

参考资源：

【1】哈工大骆吉洲《算法分析与设计》PPT