动态规划-入门

什么是动态规划，我们需要如何描述它？

  动态规划算法通常基于一个递推公式以及一个或多个初始状态。当前子问题的解将依赖上一子问题的解。使用动态规划来解决问题只需要多项式复杂度，因此它比回溯法，暴力法等要快许多。
首先，我们要招到某个状态的最优解，然后在它的帮助下，找到下一个状态的最优解。

“状态”代表什么以及如何找到它？

  “状态”用来描述该问题的子问题的解。如果我们有面值为$1$元、$3$元和$5$元的硬币若干枚，如何用最少的硬币凑够$11$元？ (表面上这道题可以用贪心算法，但贪心算法无法保证可以求出解，比如1元换成2元的时候)
  首先我们思考一个问题，如何用最少的硬币凑够$i$元$(i<11)$？为什么要这么问呢？ 两个原因：1.当我们遇到一个大问题时，总是习惯把问题的规模变小，这样便于分析讨论。 2.这个规模变小后的问题和原来的问题是同质的，除了规模变小，其它的都是一样的， 本质上它还是同一个问题(规模变小后的问题其实是原问题的子问题)。从最小的开始。当$i=0$，我们需要多少硬币来凑够0元，由于1，3，5都大于0，即没有比0小的币值，因此凑够0元我们最少需要0个硬币。为了方便，使用数学标记$d(0)=0$来表示凑够0元我们最少需要0个硬币。则$d(i)=j$表示凑够$i$元需要最少$j$个硬币。当$i=1$时，只有面值为1的硬币可用，因此我们取面值为1的硬币，接下来只需要再凑够0元即可。所以我没有$d(1)=d(1-1)+1=0+1$，当$i=2$时，仍然只有面值为1的硬币可以使用，取面值为1的硬币，接下来只需要再凑够$2-1=1$元即可，而这个答案已经知道，即$d(1)$。所以我没有$d(2)=d(2-1)+1=d(1)+1=2$。到目前为止，我们只有面值为1的硬币可以使用，操作起来非常简单。接下来我们需要凑够面值为$i=3$，此时有面值为3和面值为1的硬币可供使用。既然能用的硬币有两种，我们就有两种方案。如果取一个1元硬币，我们的目标就变为：凑够$3-1=2$元需要的最少硬币数量。即$d(3)=d(3-1)+1=d(2)+1=2+1=3$。这个方案是直接取3个1元硬币。第二种方案，是我们可以取3元硬币。此时我们的目标就变成凑够$3-3=0$需要的最小硬币数，即$d(3)=d(3-3)+1=1$。很显然为了凑够3元，我们最优的方案为$d(3)=min\{d(3-1)+1,d(3-3)+1\}$。
  从以上文字，我们要抽象出动态规划两个重要的概念：状态和状态转移方程。上文中提到的$d(i)$即为我们的状态。在此我们如何选取状态？可以根据子问题来选取状态。即找到子问题，状态也就出来了。例如上面的文字，我们每次都在寻找$d(i)$。则$d(i)$就可当成我们的状态。既然我们用$d(i)$表示状态，那么状态转移方程自然包含d(i)， 上文中包含状态d(i)的方程是：$d(3)=min\{d(3-1)+1, d(3-3)+1\}$。没错， 它就是状态转移方程，描述状态之间是如何转移的。当然，我们要对它抽象一下，
$d(i)=min \{ d(i-v_j)+1 \}$，其中$i-v_j >=0$，$v_j$表示第$j$个硬币的面值;

pseudocode
set Min[i] equal to  Infinity for all of i
for i = 1 to S
    for j = 0 to N-1
        If (v[j] <= i & Min[i - v[j]] + 1 < Min[i])
            Min[i] = Min[i - v[j] + 1
Output min[S]

  从上图可以得出，要凑够11元至少需要3枚硬币。通过追踪我们是如何从前一个状态值得到当前状态值的， 可以找到每一次我们用的是什么面值的硬币。比如，从上面的图我们可以看出， 最终结果$d(11)=d(10)+1$(面值为1)，而$d(10)=d(5)+1$(面值为5)，最后$d(5)=d(0)+1$(面值为5)。所以我们凑够11元最少需要的3枚硬币是：1元、5元、5元。
转载自