常见算法（1）之动态规划 讲解

动态规划是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。
那么什么是动态规划呢，我们可以先来看一个例题
（1）背包问题


1、先看简单算法


注：这里用到公式Cn,0+Cn,1+…Cn,n=2^n



下面开始填充网格：








例1：
现在添加一个2000美元的手机，背包还是4磅，计算出最优解
基本题目如下：
有4样商品，分别是
（1）音响：4磅：3000美元
（2）笔记本电脑：3磅：2000美元
（3）iphone:1磅：2000 美元
（4）吉他：1磅：1500美元
只有一个4磅的背包，如何使商品价值最大
下面是代码行：

 #背包问题
    import numpy as np
    price=[3000,2000,2000,1500] #价格
    weight=[4,3,1,1] #对应的重量
    m=4 #背包重量
    n=4 #物品数
    x=np.zeros([n+1,m+1])
    for i in range(1,n+1):
        for j in range(1,m+1):
            if weight[i-1]<=j:
                x[i][j]=max(x[i-1][j],x[i-1][j-weight[i-1]]+price[i-1])
            else:
                x[i][j]=x[i-1][j]        
    print(x)    
    res=x
    
    def show(n,m,w,res):
    	print('最大价值为:',res[n][m])
    	item=[False for i in range(n)]
    	j=m
    	for i in range(n,0,-1):
    		if res[i][j]>res[i-1][j]: #代表取了这件物品
    			item[i]=True
    			j=j-weight[i]
    	for i in range(n):
    		if item[i]:
    			print('第',i,'个,',end='')
    show(n,m,weight,res)	

结果：

例2：假如你要去旅游，但是时间只有两天，这时你要列出了你将要旅游的单子，

为了使你的评分最大化，你这时应该怎么选择最佳。你能通过已经规划好的动态规划的表格去反推你的行程吗？

解析：设最优规划矩阵为a
最终的路程为24->24的上一行的元素为22（24>22）,证明在第四行时选择了圣保罗大教堂（圣保罗大教堂）——>此时定位到a[4][4]，减去圣保罗大教堂的需花费的天数（0.5），定位到a[4][3]：16，比较a[4][3]与a[3][3],并没有变化，没有游览大英博物馆，
——>定位a[3][3],比较a[3][3]与a[2][3],数值增加了，证明去过英国国家美术馆（英国国家美术馆，圣保罗大教堂）——>a[2][3]减去英国国家美术关的花费天数，定位到a[2][1],比较a[1][1]与a[2][1],值没有变化则排除环球剧场——>最后比较a[1][1]与0发现，值变大了，去过威斯敏特教堂。（英国国家美术馆，圣保罗大教堂,威斯敏特教堂）
整个回溯完成

动态规划练习题：
例1：走网格

    import numpy as np
    class Robot:
        def countWays(self, x, y):
            if x == 1 or y == 1:
                return 1
            else:
                dp = np.ones((x,y))
                for i in range(1,x):
                    for j in range(1,y):
                           dp[i][j]=dp[i][j-1]+dp[i-1][j]
            return int(dp[-1][-1])