动态规划总结

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

1. 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
2. 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
3. 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。

1. 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。
2. 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
3. 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

1. 分析最优解性质，定义子问题
2. 递归定义最优解
3. 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
4. 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

1. 确定dp数组以及下标的含义（定义子问题）
2. 确定递推公式（确定子问题的求解顺序以及依赖关系）
3. dp数组如何初始化（考虑边界情况）
4. 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