[算法笔记] 浅析动态规划

一、动态规划的基本思想

​ 动态规划算法通常用于求解某种具有最优性质的问题。

​ 在这类问题中，可能会有许多可行解。每一个解都对应于一个值，目标是寻找最优解。

​ 基本思想是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。

​ 如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。

​ 我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。

二、设计动态规划法的步骤

1. 找出最优解的性质，并刻画其结构特征；
2. 递归地定义最优值（写出动态规划方程）；
3. 以自底向上的方式计算出最优值；
4. 根据计算最优值时得到的信息，构造一个最优解。

三、动态规划问题的特征

​ 动态规划算法的有效性依赖于问题本身所具有的两个重要性质：

1. 最优子结构：

   当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。

2. 重叠子问题：

   在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。

四、例题

1. 最大子段和

   *给定由n个整数（包含负整数）组成的序列a1,a2,…,an，求该序列子段和的最大值。*当所有整数均为负值时定义其最大子段和为0。

   所求的最优值为：
   m a x { 0 , m a x 1 ≤ i ≤ j ≤ n ∑ k = i j a k } max\{0,\underset{1\leq i\leq j\leq n}{max} \displaystyle \sum^{j}_{k=i} a_k \} max{ 0,1≤i≤j≤nmax​k=i∑j​ak​}
   例如，当 (a1,a2, ……a7,a8) = (1,-3, 7,8,-4,12, -10,6) 时，最大子段和为：
   $$\sum _{k=3}^6$$