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
- 找出最优解的性质,并刻画其结构特征;
- 递归地定义最优值(写出动态规划方程);
- 以自底向上的方式计算出最优值;
- 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:
-
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。
-
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
-
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≤nmaxk=i∑jak}
例如,当 (a1,a2, ……a7,a8) = (1,-3, 7,8,-4,12, -10,6) 时,最大子段和为:
∑ k = 3 6 a k = 23 \displaystyle \sum^{6}_{k=3} a_k = 23 k=3∑6