《算法图解》学习笔记—第9章 动态规划

前言

 需要在给定约束条件下优化某种指标时，动态规划很有用。
 问题可分解为离散子问题时，可使用动态规划来解决。
 每种动态规划解决方案都涉及网格。
 单元格中的值通常就是你要优化的值。
 每个单元格都是一个子问题，因此你需要考虑如何将问题分解为子问题。

---

背包问题

小偷背着一个可装4磅东西的背包，可盗窃的商品有如下3件。为了让盗窃的商品价值最高，该选择哪些商品？

近似解方法找到的可能不是最优解。那么如何找到最优解呢？

每个动态规划算法都从一个网格开始，背包问题的网格如下。

第一行是吉他行，意味着你将尝试将吉他装入背包。在每个单元格，都需要做一个简单的决定：偷不偷吉他？目标是找出一个价值最高的商品集合。

填充下一行——音响行。可偷的商品有吉他和音响。在每一行，可偷的商品都为当前行的商品以及之前各行的商品。

逐步更新最大价值

以同样的方式处理笔记本电脑

对于容量为4磅的背包，情况很有趣。这是非常重要的部分。当前的最大价值为3000美元，你可不偷音响，而偷笔记本电脑，但它只值2000美元。

价值没有原来高。但等一等，笔记本电脑的重量只有3磅，背包还有1磅的容量没用！

在1磅的容量中，可装入的商品的最大价值是多少呢？你之前计算过。

根据之前计算的最大价值可知，在1磅的容量中可装入吉他，价值1500美元。因此，你需要做如下比较。

笔记本电脑和吉他的总价值为3500美元，因此偷它们是更好的选择。最终的网格类似于下面这样。

计算每个单元格的价值时，使用的公式都相同。这个公式如下：

各行的排列顺序无关紧要。

增加一件更小的商品时，需要考虑的粒度更细，因此必须调整网格。

不考虑偷商品的一部分
使用动态规划时，要么考虑拿走整件商品，要么考虑不拿，而没法判断该不该拿走商品的一部分。
但使用贪婪算法可轻松地处理这种情况！首先，尽可能多地拿价值最高的商品；如果拿光了，再尽可能多地拿价值次高的商品，以此类推。

旅游行程最优化

对于想去游览的每个名胜，都列出所需的时间以及你有多想去看看。根据这个清单，确定两天时间该去游览哪些名胜。

网格类似于下面这样。

假设你还想去巴黎，因此在前述清单中又添加了几项。

从伦敦前往巴黎，这需要半天时间。不是去每个地方都得先从伦敦到巴黎。将埃菲尔铁塔加入“背包”后，卢浮宫将更“便宜”：只要1天时间，而不是1.5天。

动态规划能够解决子问题并使用这些答案来解决大问题。但仅当每个子问题都是离散的，即不依赖于其他子问题时，动态规划才管用。这意味着使用动态规划算法解决不了去巴黎玩的问题。

最长公共子串

用户在网站输入单词时，需要给出其定义。但如果用户拼错了，必须猜测他原本要输入的是什么单词。例如，Alex想查单词fish，但不小心输入了hish。但网站的字典中，根本就没有这样的单词，但有几个类似的单词。你需要判断是哪个。

在这个例子中，你要找出两个单词的最长公共子串。

用于解决这个问题的网格是什么样的呢？要确定这一点，你得回答如下问题。
 单元格中的值是什么？
 如何将这个问题划分为子问题？
 网格的坐标轴是什么？

单元格中的值通常就是你要优化的值。在这个例子中，这很可能是一个数字：两个字符串都包含的最长子串的长度。

如何将这个问题划分为子问题呢？你可能需要比较子串：不是比较hish和fish，而是先比较his和fis。每个单元格都将包含这两个子串的最长公共子串的长度。这也给你提供了线索，让你觉得坐标轴很可能是这两个单词。因此，网格可能类似于下面这样。

最终的网格如下：

伪代码如下：

if word_a[i] == word_b[j]:
    cell[i][j] = cell[i-1][j-1] + 1
else:
    cell[i][j] = 0

查找单词hish和vista的最长公共子串时，网格如下。

但对于最长公共子串问题，答案为网格中最大的数字——它可能并不位于最后的单元格中。

最长公共子序列

假设Alex不小心输入了fosh，他原本想输入的是fish还是fort呢？

我们使用最长公共子串公式来比较它们。

最长公共子串的长度相同，都包含两个字母！但fosh与fish更像。

这里比较的是最长公共子串，但其实应比较最长公共子序列：两个单词中都有的序列包含的字母数。

下面是填写各个单元格时使用的公式。

伪代码如下：

if word_a[i] == word_b[j]:
    cell[i][j] = cell[i-1][j-1] + 1
else:
    cell[i][j] = max(cell[i-1][j], cell[i][j-1])

动态规划都有哪些实际应用呢？
 生物学家根据最长公共序列来确定DNA链的相似性，进而判断度两种动物或疾病有多相似。最长公共序列还被用来寻找多发性硬化症治疗方案。
 你使用过诸如git diff等命令吗？它们指出两个文件的差异，也是使用动态规划实现的。
 前面讨论了字符串的相似程度。编辑距离（levenshtein distance）指出了两个字符串的相似程度，也是使用动态规划计算得到的。编辑距离算法的用途很多，从拼写检查到判断用户上传的资料是否是盗版，都在其中。
 你使用过诸如Microsoft Word等具有断字功能的应用程序吗？它们如何确定在什么地方断字以确保行长一致呢？使用动态规划！