动态规划

最优性原理：无论过程的初始状态和初始决策是什么，其余决策都必须相对于初始决策所产生的状态构成一个最优序列。

在我的理解就是：对于你的决策答案，一旦确定它是最优的，那么你的答案中的一部分肯定是最优的。

关于动态规划的很多证明都是按照这个，用反证法，如果不是这样则不符合最优性原理。。贪心方法也是，我既然是贪心方法，那么只要是满足我的贪心条件

就必须拿过来，不然你就不是贪心方法。

----------------------------多段图--------------------------------------------

向前处理法：

从后往前处理，这是根据最优性原理，从后面入手，一步一步往前推，对于每个点取min，

向后处理法：

---------------------------------------------------------------------------------------------------------

-------------------------------每对节点间最短路径------------------------------

算法中心：以路径中经过的节点为突破口，A的右上角字母K代表路径经过的标号最大的节点。

通过经不经过k讨论，一是经过，则有An（i，j）=An-1（i，k）+An-1（k，j）

二是不经过，则有An(i,j)=An-1(i,j);两者取min，完成递推，又根据最优性原理。可得算法。

两点间最短路径矩阵A（Ak（i，k）=Ak-1（i，k）Ak（k，j）=Ak-1（k，j）故k行k列不动）

算法

更新条件：在那一点的一行中的一个元素，和一列中的一个元素和小于该点值，更新！注意，那两点为（i，k）（k，j）形式。

关于保存路径矩阵P（记录的是下一个即j）

当A更新时，P同步更新下一点，将更新处值改为上面的k。

疑惑：

标记处的条件必须吗？

算法为三重循环k，i，j

当k=2，时进去循环i=1，j=1

这均小于k，也继续计算啊····

----------------------最优二分检索树-------------------------