动态规划

    动态规划是通过组合子问题的解来求得原问题的解，这一点和分治法很相似。但不同的是，分治法划分出来的子问题是互不相交的，而动态规划应用于子问题有重叠的情况，即不同的子问题具有公共的子问题，并且，动态规划算法对每个子问题只求解一次并将其解保存在数组中。
    动态规划通常用于求解最优化问题，设计一个动态规划算法通常有3个步骤：
           （1）刻画一个最优解的结构特征。
           （2）递归的定义最优解的值
           （3）自底向上计算最优解的值。
    用动态规划方法求解的最优化问题应该具备两个要素:最优子结构和子问题重叠。
              最优子结构：一个问题的最优解包含其子问题的最优解的性质。
             子问题重叠：递归算法反复求解相同的子问题的性质。

   动态规划方法中，通常自底向上的使用最优子结构。即，先求子问题的最优解，然后求原问题的最优解。递归方法在求解包含重叠子问题的问题的时候效率很低，因为它会反复的求解子问题，而动态规划方法对每个子问题只求解一次，并把结果保存下来，所以，动态规划方法是以空间换时间的这么一个典型的时空权衡的例子。

   举个算法导论中动态规划介绍的一个钢条切割的例子来加以说明。
   钢条切割问题：假设有一个不同长度钢条的价格表，问题是现在有一个长度为n的钢条，问怎么样切割可以获得最大的销售收益。

   对于这个问题，设r[n]表示长度为n的钢条切割可以获得的最大收益,p[n]表示长度为n的钢条的价格。那么：

                      r[n]=max{p[n],r[1]+r[n-1],r[2]+r[n-2],...,r[n-1]+r[1]}

   可以看到，对于长度为n的钢条的问题，可以分割成两个长度较小的子问题，每个子问题求解的时候还会继续分割成其他的一些子问题，并且这些子问题可能被反复的用到，如果对于相同的子问题每次都反复求解的话，时间效率会是一个很大的问题。那么动态规划的方法就会采用自底向上的方法，先求最小问题的解并保存下来，以后遇到相同的子问题时只需要查表不用计算，大大的提高时间效率。所以对于钢条切割问题，其子问题就是长度更小钢条的切割问题，那么先求子问题也就是按着r[0]、r[1]、r[2]。。。r[n]的顺序求解。最终得到原问题的解r[n]。