1. 算法思想
- 将问题分解成若干子问题,按照某种顺序来求解子问题,前子问题的解会为后子问题的求解提供有用的信息。
- 求解任一子问题时,列出各种可能的局部解,然后通过决策保留那些可能达到全局最优的局部解,丢弃其他的局部解。
- 依次解决各个子问题,最后一个子问题的解就是原始问题的解
- 与分治最大的差别就是,经过分解后的子问题不是相互独立的,当前子问题的解依赖于之前求过的子问题的解。分治一般是自顶向下,动态规划则是自底向上
2. 适用动态规划的场景
- 最优化原理:如果原问题的最优解所包含的子问题的解也是最优的,则成这个问题是具有最优子结构的,即满足了最优化原理
- 无后效性:某个阶段状态一旦确定,就不受这个状态以后的决策的影响,即某状态以后的过程不会影响以前的状态,只与当前状态有关
- 有重叠子问题:子问题之间不是不独立的,一个子问题在下一个阶段决策中可能被多次使用到(该性质不是动态规划适用的必要条件,但它是动态规划比其他算法更适合解决此类问题的关键。)
3. 动态规划的求解步骤
- 动态规划所处理的问题是一个多阶段决策问题,一般由初始状态开始,通过对中间状态决策的选择,达到结束状态。
- 划分中间状态:按照问题的时间或空间特征,把问题分为若干个中间状态。在划分状态时,注意划分后的中间状态一定要有序的或者是可排序的。
- 确定每个状态的决策并求出状态转移方程:当前状态的决策依赖于前一个状态的信息,所以根据状态之间的关系来确定决策方法和状态转移方程
- 寻找边界条件:给出的状态转移方程是一个递推式,需要一个递推终止条件或边界条件
4.实际问题动态规划求解步骤
- 分析最优解性质,定义子问题
- 递归定义最优解
- 自底向上或自顶向下的记忆化方式(备忘录法)计算出最优值
- 得到原问题的最优解
4.1 使用dp数组求解动态规划的步骤
- 确定dp数组以及下标的含义(定义子问题)
- 确定递推公式(确定子问题的求解顺序以及依赖关系)
- dp数组如何初始化(考虑边界情况)
- 确定遍历顺序(后面的解需要借助前面的局部解)
5. 背包问题总结
5.1 0-1背包
- 物品有重量和价值,每种物品数量只有一个。
- 遍历背包与遍历物品先后顺序无关。
- 如果采用滚动数组表示dp,则需要倒序更新dp数组。
- 变形问题:求满足0-1背包的组合数(其公式都是类似于dp[j]+=dp[j-nums[i]])
5.2 完全背包
- 物品有重量和价值,每种物品数量无限个。
- 遍历背包顺序和遍历物品先后顺序无关
- 如果采用滚动数组表示,则需要正序更新dp数组。
- 变形问题:求满足完全背包的排列组合数(其公式都是类似于dp[j]+=dp[j-nums[i]])
- 排列问题:外层遍历背包,内层遍历物品
- 组合问题:外层遍历物品,内层遍历背包
5.3 多重背包
- 物品有重量和价值和数量。
- 可以转换为0-1背包然后再去求解