【干货讲义】动态规划算法

动态规划算法讲义

一、动态规划概述

动态规划（Dynamic Programming，DP）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划通常用于求解具有重叠子问题和最优子结构性质的问题。

二、动态规划适用性

1. 重叠子问题：问题可以分解为子问题，且子问题会重复出现。
2. 最优子结构：问题的最优解包含子问题的最优解。

三、动态规划解题步骤

1. 识别状态：定义dp数组，以及dp数组的下标含义。
2. 确定状态转移方程：即子问题的解如何组合成大问题的解。
3. 确定边界条件：即dp数组的初始状态。
4. 确定遍历顺序：确定如何填满dp数组。

四、C++实现动态规划

以下是一个C++实现动态规划的示例，以背包问题为例。

1. 背包问题描述

假设有n个物品和一个背包，物品i的重量是w[i]，价值是v[i]，背包的容量是W。要求如何放入物品，使得背包中物品的总价值最大。

2. 状态定义

定义dp[i][j]表示考虑前i个物品，背包容量为j时能获得的最大价值。

3. 状态转移方程

• 不取当前物品i：dp[i][j] = dp[i - 1][j]
• 取当前物品i（如果不超过背包容量）：dp[i][j] = dp[i - 1][j - w[i]] + v[i]

4. 边界条件

dp[0][j] = 0，表示没有物品时，任何容量的背包价值都是0。

5. 遍历顺序

遍历所有物品，对于每个物品，遍历所有可能的背包容量。

6. C++代码实现

#include <iostream>
#include <vector>
using namespace std;

const int MAXN = 1005; // 物品数量上限
const int MAXW = 1005; // 背包容量上限

int main() {
    int n, W;
    cin >> n >> W;
    vector<int> w(n), v(n);
    for (int i = 0; i < n; ++i) {
        cin >> w[i] >> v[i];
    }
    
    vector<vector<int>> dp(n + 1, vector<int>(W + 1, 0));
    
    for (int i = 1; i <= n; ++i) {
        for (int j = 0; j <= W; ++j) {
            if (w[i - 1] <= j) {
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i - 1]] + v[i - 1]);
            } else {
                dp[i][j] = dp[i - 1][j];
            }
        }
    }
    
    cout << dp[n][W] << endl;
    return 0;
}

五、动态规划的优化

1. 空间优化：如果状态转移只依赖于前一个状态，可以只保留前一个状态的dp数组。
2. 时间优化：在某些情况下，可以减少不必要的循环，如只遍历背包容量的子集。

六、动态规划的应用

动态规划可以应用于多种问题，包括但不限于：

• 背包问题
• 最长公共子序列
• 最长递增子序列
• 最短编辑距离
• 图中的最短路径问题

七、总结

动态规划是一种强大的算法设计技巧，它通过避免重复计算来优化复杂问题的解决方案。掌握动态规划需要理解其基本思想，识别问题中的最优子结构和状态转移关系，并能够灵活地应用到不同的问题中。