LeetCode——2、动态规划DP

〇、引入

《算法导论》第三版解释如下：
动态规划（dynamic programming）与分治法相似，都是通过组合子问题的解来求原问题（在这里，"programming"指的是一种表格法，并非编写的计算机程序）。……分治法将问题划分为互不相干的子问题，递归地求解子问题，再将他们的解组合起来，求出原问题的解。与之相反的，动态规划应用于子问题重叠的情况，即不同的子问题具有公共的子子问题（子问题的求解是递归进行的，将其划分为更小的子子问题）。在这种情况下，分治法会做许多不必要的工作，它会反复地求解那些公共的子子问题。动态规划算法对每个子子问题只求解一次，将其解保存在一个表格中，从而无需每次求解一个子子问题时都重新计算，避免了这种不必要的计算工作。

.

个人是如何解释“动态规划”？
用类比的方式来解释理解。所以，抛出一个“回家”的问题模型，来理解动态规划。
模型：假如你刚到一个新的城市，租了一间不错的公寓HOME，但是你对这座城市甚至你所在的小区Q一无所知。那么如何从这个城市的某个地方S，最快的回到你的公寓呢HOME？

【解决方案】：

假设你当前处于问题的某个阶段：

原问题：从城市S点，回到公寓HOME

子问题：从所在小区Q里的某个位置R，回到公寓HOME

子子问题：熟悉小区Q的布局。

当前阶段，你经过了一段时间的生活，虽然没有熟悉城市的路线，但是你已经知道了小区Q的布局，你可以保证无论在小区中的任何一个位置，都可以找到最快的回家HOME路线。

那么这时候，你就无需再考虑小区Q内的路线了，你只需要找到从城市内的S点到小区Q的最快路线。

这个阶段，就是动态规划进行问题处理的一个阶段。而这个小区Q，其实是一个概念，它实际上代表你可以快速找到回家路线的区域Q。

所以，经过长时间的熟悉，你所熟悉的区域Q会越来越大，而你不熟悉的区域会越来越小，当问题经过逐渐的推演，这个区域Q终将覆盖城市C，此时，你就找到了从S点到HOME的最短区域。

注：对算法有过研究的，对此模型肯定十分熟悉，这就是“最短单源路径”迪杰斯特拉算法（Dijkstra’s Algorithm），虽然迪杰斯特拉算法被归类为广度搜索或者是贪心算法，但是拿来解释动态规划也是非常合适的，至少我这么觉得。

一、范例1：拦截导弹

A国有一套导弹防御系统，在敌国向国内发射导弹时，该系统会依次发射拦截弹，将飞来的导弹拦截下来。但是这个系统有一个缺陷，它的第n+1发拦截弹会比第n发拦截弹的高度要低。假设此时敌国发射来N发导弹，高度不一，那么一套拦截系统，最多可以拦截多少枚导弹？

问题实质：寻常最长递减子序列。

假设N枚导弹飞来次序与高度h[1-8]如下：389，207，155，300，299，170，158，65

解决思路：

原问题：最多拦截多少枚导弹

子问题：从第1枚导弹开始，到第t枚导弹之间，最多能拦截多少枚导弹

子子问题：从第t枚导弹开始，到最后一枚导弹，最多能拦截多少枚导弹。

解析：

我们先从第8个导弹（高度65）开始考虑，第8个导弹之后有多少颗导弹比它高度低？很明显，没有导弹。那么引入一个记录表note[8]=1，表示从第8枚导弹之后（包括第8个导弹），只有1个导弹满足条件；

再思考第7个导弹，第7个导弹的高度是158，比对之后的导弹高度，发现之后只有第8个导弹且高度比之低，引入记录表note[8]=1，则note[7]=1+note[8]=2；说明第7个导弹开始（包括第7个），之后最多可拦截2个导弹；

继续第6个导弹，发现第6个导弹的高度比第7、8个导弹高度都要高，但是note[7]>note[8]，所以note[6]=note[7]+1=3；说明第6个导弹之后（包括第6个）可以最多拦截3枚导弹；

继续第5,4个导弹，……，note[5]=note[6]+1=4；note[4]=note[5]+1=5;

当分析到第3个导弹的时候，高度155，我们发现第3个导弹比第4、5、6、7个导弹低，只比第8个导弹高，那么note[3]=note[8]+1=2，即表示如果需要拦截第3个导弹，则之后最多可拦截2个导弹（包括第3个）

重复上述步骤，直到分析到第1个导弹，我们就得到了完整的记录表note[1…8]；

其中note中，数值最大的，就是这一连串导弹中我们可以最多拦截的数量

void

https://blog.csdn.net/shihoongbo/article/details/51078862