acm3

初学动态规划
知识部分

(1) 最优化原理：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。 (2) 无后效性：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，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。
初始状态→│决策１│→│决策２│→…→│决策ｎ│→结束状态 图1 动态规划决策过程示意图
（1）分析最优解的性质，并刻画其结构特征。 （2）递归的定义最优解。 （3）以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）根据计算最优值时得到的信息，构造问题的最优解

我的理解

有关动态规划，分段求最优解是一个重点。

-《基本构成》 分段最优

• 用变量描述状态
• 决策
• 状态转移方程
  -（ 状态转移方程说白了就是从这一阶段到下一阶段的演变规律）
  《使用》
  需要数组赋予含义
  可以用枚举的方法
  把数组赋予含义去完成一个个最优子问题的思路是重点，要理解。
  方法有搜索。记忆化搜索。顺推，逆推。

    if(n == 0){
	return 0;
    }else if(n == 1){
	return 1;
    }else{
	return solutionFibonacci(n-1)+solutionFibonacci(n-2);
    }

public static int solutionFibonacci(int n){
		if(n==0){
			return 0;
		}else if(n == 1){
			return 1;
		}else{
			int result[] = new int[n+1];
			result[0] = 0;
			result[1] = 1;
			for(int i=2;i<=n;i++){
				result[i] = result[i-1] + result[i-2];
			}
			return result[n];
		}
```以上是斐波那契额的一个例子

从中可以看到
在递归的动态理解中用一个数组来保存
 和金币的那个题有类似之处
 但是金币题目在数学的角度上只能右下移动
 所以右下递交处的金币最多从1.1到i，j金币数不会超过i+j
 所以动态规划还是有一点贪心的意思
 对了，如果问题没法分段优化，就不能用动态规划了。递归和贪心或许是更好的选择。