【知识点8】动态规划总结⭐⭐⭐⭐⭐

今天也是为了cc，努力奋斗的一天ヾ(≧▽≦*)o

前面几节介绍了动态规划的相关概念，并求解了一些经典的动态规划模型。但是在实际碰到新的问题时，初学者总是容易陷入头脑一片空白、完全无法设计状态的情况，这是正常现象，因为动态规划本身就需要经验的积累和大量做题才能有较大的提升。不过从上面的经典模型中还是能总结出一些规律性的东西，由于动态规划的重点在于状态上，所以这些规律也是用于状态的定义上的。

动态规划模型回顾

先把前面介绍过的动态规划模型列举如下：
（1）最大连续子序列和
dp[i]：以A[i]作为结尾的连续序列的最大和。
（2）最长不下降子序列（LIS）
dp[i]：以A[i]作为结尾的最长不下降序列长度。
（3）最长公共子序列（LCS）
dp[i][j]：字符串A的i号位和字符串B的j号位之前的LCS长度
（4）最长回文子串
dp[i][j]：S[i]至S[j]所表示的子串是否为回文子串
（5）数塔DP
dp[i][j]：从第i行第j个数字出发的到达最底层的所有路径上所能得到的最大和。
（6）DAG最长路
dp[i]：从i号顶点出发能获得的最长路径长度
（7）01背包
dp[i][v]：前i件物品装入容量为v的背包中能获得的最大价值。
（8）完全背包
dp[i][v]：前i件物品装入容量为v的背包中能获得的最大价值。

规律一

先看（1）~（4），这4个都是关于序列或字符串的问题（特别说明：一般来说，“子序列”可以不连续，“子串”必须连续）。可以注意到:

• （1）（2）设计状态的方法都是“令dp[i]表示以A[i]为结尾的XXX”，其中XXX即为原问题的描述，然后分析A[i]的情况来进行状态转移；
• （3）（4）由于原问题本身就有二维性质，因此使用了“令dp[i][j]表示i号位和j号位之间XXX”的状态设计方式，其中XXX为原问题的描述（最长回文子串中的状态和原问题有关；当然，最长回文子串的状态也可以设计成“令dp[i][j]表示S[i]至S[j]的区间的最长回文子串长度”，并且可解）。

这就给我们一些启发：

当题目与序列或字符串（即为A）有关时，可以考虑把状态设计成下面两种形式，然后根据端点特点去考虑状态转移方程。
（1）令dp[i]表示以A[i]结尾（或开头）的XXX。
（2）令dp[i][j]表示A[i]至A[j]区间的XXX。
其中XXX均为原问题的描述。

规律二

接着来看（5）~（8），可以发现它们的状态设计都包含了某种“方向”的意思。如：

• 数塔DP中设计为从点（i，j）出发到达最底层的最大和；
• DAG最长路中设计为从i号顶点出发的最长路；
• 背包问题中则设计成dp[i][v]表示前i件物品放入容量为v的背包中能获得的最大值。

这又说明了一类动态规划问题的状态设计方法：
分析题目中的状态需要几维来表示，然后对其中的每一维采取下面的某一个表述：

1. 恰好为i。
2. 前i。（背包问题中用到）

在每一维的含义设置完毕之后，dp数组的含义就可以设置成“令dp数组表示恰好为i（或前i）、恰好为j（或前j）…的XXX”，其中XXX为原问题的描述。接下来就可以通过端点的特点去考虑状态转移方程。

常见的维度

我们说动态规划要设计状态数组，那么状态数组的维度通常有哪些东西呢？如下：

1. 一个已有数组变量的数组下标范围（如LIS，LCS等等）；
2. 一个已有变量的取值范围（如背包问题中的v）

动态规划与DAG的关系

最后需要说明的是，在大多数的情况下，都可以把动态规划可解的问题看作一个有向无环图（DAG），图中的结点就是状态，边就是状态转移方向，求解问题的顺序就是按照DAG的拓扑序列进行求解的。 从这个角度可以辅助理解动态规划，建议读者能结合讲解过的几个动态规划模型予以理解。

其实，我们知道动态规划可以使用递归来实现，VisuAlgo网站提供了常见动态规划问题的可视化递归实现，在可视化中，我们可以清楚看到动态规划可解的问题可看作一个有向无环图（DAG），即递归树的形式。