题外话：(发现原定的周一更新咕了)
此文是用于传授"动态规划"的本质，公司面试题目可能会略低于本篇文章所讲，会提到各类优化算法到底"应该去优化什么"。阅读时间约10分钟。（如滚动数组、各种数据结构/CDQ分治优化等）
问题开始之前，先谈谈一些定义：
有向图
注意无向图其实是有向图的一种特殊形式，只要建立边
路径：多条边连成的一条长链，
无环：对于任意点对
某个点的入度：进入这个点的边的个数。
简单路径：路径上的顶点都不相同的路径。
有向无环图：有向图+无环条件，简称为
好了，让我们进入正题。
给定一个有向无环图
现在要求
由于最短路满足性质：如果
这里不要想着任何最短路算法。
让我们直接用简单的代码，描述这个"求
用
void dfs(Point u)
{
for all edge(u, v, w) in G:
if dist[v] > dist[u] + w
dist[v] := dist[u] + w
dfs(v)
}可是这样复杂度肯定太高了，因为存在这种情况：
- 点
目前的值是最优解，点
的"当前最优解"更新了一些点的dist.
- 之后，点
被其它点(在
之前更新的点）的解所更新，导致
需要继续更新"之前它更新过的那些点的dist"。
- 这造成了冗余，那能不能存在一种更新顺序，使得 用
dist[v]是从点S出发的最短路的长度）
去更新其它点的情况下，就已经是最优解呢？（也就是说，在dfs(v)执行时，保证
既然说了它是一个有向无环图，不如我们用拓扑排序的做法：每次取出入度为0的点
void 显而易见地，按照这种顺序，在每次加入一个点
参考一下这张图片：
考虑一下进入队列的顺序，那么可以是{S,1,2,3,4,T}或者{S,2,1,3,4,T}
任意一种更新最短路的顺序，都能保证当前进入队列的点的dist值为最短路的长度。
比如现在已经做完了{S,1,2}，删除掉了从{S,1,2}出发的每条边，图是这样的：
由于已经没有能进入到点3的边了，也就意味着"能更新点3的最短路的点已经不存在了"。
此时dist[3]的值，就是最终的值，它已经走到了最优解。这和原始dfs代码中能得到的dist[3]的值是完全相同的。
那么继续用3去更新4的最短路。
结论：如果按照一定顺序（拓扑序）对图上每个点进行更新，当这个点去用来更新其它点的最短路时，该点的最短路已经被算出，且为最优解。
也就是说，按照拓扑序进行计算最短路，就可以保证每一步都是最优解，每一步都是正确的。
废话了这么半天，来看题吧。
给定一个序列
啥?刚刚不是还在说图嘛？怎么跳到数字上来了？
别急。让我们对着序列傻傻地建立一张有
令
建立以下的边
void Build()
{
dist[0] = 0
i = 0
while(i <= n)
if i < n then addedge(i, i + 1, 0);
addedge(0, i, 0);
}求这张图中，0到所有点
这个图显然是一个有向无环图，也就可以通过上面的拓扑排序+求最短路做。
什么？你讲了这么半天，到底啥是动态规划啊？
"如果一个题可以用图论思想，建图之后用最短/最长路算法去解决，并且这个图是一个有向无环图，那么这个问题就是动态规划。" （Dynamic Programming，简称dp）
但这类题目真的需要用图论方法做嘛？答案是不需要。
只要你设计出合理的"状态"，再找出一个合适的更新的"顺序"（使得轮到这个点更新其它的点时，保证这个点是最优解）以及可以更新状态的递推式，就能够跳出图论方法去解这道题。
这道题的主流解法是这样的，令
1.通过和
2.以自己一个元素结尾。
(其实f[i]就对应之前的dist[i]。)
那么不难写出递推式：
这里， 状态就是代表以
"顺序"就是从1到n，并不是从n到1，也不是其它奇奇怪怪的顺序，这样的顺序递推能保证f[i]是最优解。 递推式呢，就是结尾的序列的最小的和
了。
讲到这里，其实已经很明确了：
思路如下：
首先设计状态，也就是"xx代表xx"，随便举一些例子："f[i]代表前i个数字的最优解" "g[i][j]代表第i天还剩j元钱的最优解" "h[i][j][k]代表投掷了i次筛子，j次是1,k次小于等于5的概率"
之后不需要设计更新状态的顺序
然后设计递推式：
如果设计好了递推式，比如长成这个样子：
显然从n到1的顺序更新就能直接得到答案。
如果设计出来的递推式有一个奇怪的形式：
似乎"没有一个可以入手的点"。脑袋里建出图来看看：这个图形成了一个环！
那这时候一般有两种情况：1. 这个题根本就不是一个动态规划的题 2. 状态设计的不好，导致递推式形成了环。 解决方法很暴力：推翻一开始设计的状态，重新来过。
事实上动态规划的难点就是在于1. 设计出来一个正确的状态 2. 设计一个正确的递推式
（其实练多了就会发现永远有一大票做不出来的动态规划题）
上面这些就是有向无环图与动态规划的联系了，接下来随便做几道题冷静一下：
当然动态规划题目的特征一般就是：
- 最优解问题 2. 计数问题
那些网上说的几类"树形dp，区间dp，背包dp，……"都是不同的dp题目，但其实只要设计好状态就可以做，所以你会的dp题目和你做过的dp题目类型（不是数目）有多少并没有任何联系，只和数目有关。
并不是说你做了一道树形dp的题，之后所有树形dp的题就都会了，恰恰相反，如果你只做了一道树形dp的题，那么下次考树形dp一定是不会的。
好了鸡汤就说这么多，让我们看一些题目：
这里有背包问题的讲解blog.csdn.net题目1:旅行商简化版
有n个二维平面的点，一个人从西边的某个点出发，到达最东边的某个点，然后返回，但是返回的时候不能经过原来经过的点，所有点（除了起点）都需要走恰好一遍。求最短的距离。 （
解法：
设
- 解决不了"检验每个点是否走过"
- 检验不了回去怎么不经过同一个点。
这是完全错误的状态设计，一眼就可以排除掉的垃圾状态。
好了，考虑正确的状态：
因为可以把路程拆分成"向东"和"向西"两部分，设
设计递推式：
设k = max(i,j) + 1，则有：
f[i][k] = min(f[i][k],f[i][j] + dis[j,k]);
f[k][j] = min(f[k][j],f[i][j] + dis[i,k]);
这当然也是递推式……因为这样做能算出最终答案，也能保证答案是最优的。
题目2：vijos 1243 （摘自我自己的博客）
注意这个题目是可以用单调队列优化的，不要忘记。
题目3: BZOJ 3036
Description
随着新版百度空间的下线，Blog宠物绿豆蛙完成了它的使命，去寻找它新的归宿。
给出一个有向无环的连通图，起点为1终点为N，每条边都有一个长度。绿豆蛙从起点出发，走向终点。
到达每一个顶点时，如果有K条离开该点的道路，绿豆蛙可以选择任意一条道路离开该点，并且走向每条路的概率为 1/K 。
现在绿豆蛙想知道，从起点走到终点的所经过的路径总长度期望是多少？
Input
第一行: 两个整数 N, M，代表图中有N个点、M条边
第二行到第 1+M 行: 每行3个整数 a b c，代表从a到b有一条长度为c的有向边
Output
从起点到终点路径总长度的期望值，四舍五入保留两位小数。
--------
题解很简单，考虑状态
至于顺序的选取，采用记忆化搜索/拓扑排序都可以。
其实还有其他的一些dp题目还在整理……但是就不放上来了，接下来讲讲dp的优化部分。
1.斜率优化，也是似乎大家最不会的一个优化。
其实很简单啦~如果这里听不懂以后还会开专栏的。
记得BJWC2017出现过一个奇妙的题目：
其中
（遇到这类题目，凡是遇到一个j一个i一个平方，往斜率优化的方向猜我就没输过)
展开。
由于
所以我们可以简单地化成这样的形式：
求
这就是斜率优化。
接下来维护之前的点的凸包，以及在凸包上二分即可。
这里可以考虑用CDQ分治。（这些名词是啥以后会讲到……）
2.各种数据结构优化：
一般很容易就能看出来的。 比如这个：
由于是一个二维偏序的形式，而且由于按照动态规划的顺序是能保证
用各种数据结构都能迅速解决偏序问题，最典型的就是平衡树、线段树、树状数组balabala……
总之暂时是告一段落了，题目并不是很多，但本质地说明了有向无环图和动态规划之间的联系，也稍微总结了各种动态规划里面的优化……
但是看懂这篇文章对于学会做题应该没什么帮助，还是要多做题，独立去设计状态及状态的递推式。
ps：微信公众号是同名的，欢迎关注～
我的其它文章：
制糕神的算法工坊：OI/ACM中的哈希表，一些哈希算法以及题目zhuanlan.zhihu.com
我的近期回答：
八数码为什么可以归结为图的最短路问题？www.zhihu.com
其实这里"数字对图上的点的转化"和这篇文章的思路差不太多。
111
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
