第三章动态规划法作业

设有 N堆石子排成一排，其编号为 1，2，3，…，N。
每堆石子有一定的质量，可以用一个整数来描述。用数组a[N]表示每堆石子的质量，sum[i,j]表示第i堆石子到第j堆石子的总质量
现在要将这 N堆石子合并成为一堆。每次只能合并相邻的两堆，合并的代价为这两堆石子的质量之和，合并后与这两堆石子相邻的石子将和新堆相邻，合并时由于选择的顺序不同，合并的总代价也不相同。
例如有 4堆石子分别为 1 3 5 2， 我们可以先合并 1、2 堆，代价为 4，得到 4 5 2， 又合并 1，2 堆，代价为 9，得到 9 2 ，再合并得到 11，总代价为 4+9+11=24；
如果第二步是先合并 2，3 堆，则代价为 7，得到 4 7，最后一次合并代价为 11，总代价为 4+7+11=22。
问题是：找出一种合理的方法，使总的代价最小，输出最小代价。

1）状态表示：
dp[i][j] = 合并第i堆石子到第j堆石子的最小代价

dp[i][j] = min(dp[i][j], dp[i][k] + dp[k+1][j] + sum[i][j])，其中 i <= k < j

（2）状态方程：
对于任意的i，都有dp[i][j] = min(dp[i][k] + dp[k+1][j])，其中i ≤ k < j。这个方程表示从第i堆石子到第j堆石子的最小代价等于从第i堆石子到第k堆石子的最小代价加上从第k+1堆石子到第j堆石子的最小代价，其中k的范围是i到j-1。我们需要遍历这个范围，找出使得总代价最小的k。

（3）边界条件：
当j=i时，dp[i][j] = 0，因为没有任何石子需要合并。当j>i时，dp[i][j] = ∞，因为我们需要找到一种方法来合并所有的石子。

（4）时间、空间复杂度分析：
这个问题的动态规划算法的时间复杂度为O(N^2)，因为我们需要遍历所有可能的k值。空间复杂度也为O(N^2)，因为我们需要存储所有的dp[i][j]值。

通过本章的学习，我体会到动态规划是一种非常有用的算法设计策略。它可以将一个复杂的问题分解为若干个较小的子问题，然后分别解决这些子问题，最终合并这些子问题的解以得到原问题的解。动态规划的关键在于找到状态表示和状态方程，然后使用递推的方式求解问题。动态规划的优点是能够避免重复计算相同的子问题，从而提高了算法的效率。此外，动态规划还能够处理一些无法通过其他算法解决的问题，例如最短路径问题、最长公共子序列问题等。在实际应用中，动态规划也被广泛用于各种优化问题中，如背包问题、图着色问题等。

然而，动态规划也存在一些缺点。首先，动态规划算法的空间复杂度通常较高，因为它需要存储所有的子问题的解。其次，动态规划算法的时间复杂度也较高，因为它需要解决所有的子问题并合并它们的解。此外，动态规划算法的代码实现也较为复杂，需要仔细考虑状态表示和状态方程的设计。

总的来说，动态规划是一种非常有用的算法设计策略，能够解决一些其他算法无法解决的问题。在实际应用中，我们需要根据具体的问题选择合适的算法和数据结构，以达到最优的解决方案。