2021-4-10 周末总结

动态规划
动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，构建状态变化方程使得问题能够用递推的方式去解决。
动态规划算法的基本思想是将待求解的问题分解为若干个子问题（一般是按照时间，阶段，空间划分），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息，并且每次都保存了前面问题的结果，每次使用的时候可以直接调用，不必再次遍历，可以节省时间。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。

但是，我感觉动态规划很难，每次做题都要考虑好久。或许真的是需要一步步的来，多做题，多分析才可以弄懂吧。

也总结出一些做题的小技巧吧

1. 每次做题把问题分阶段，确定每一个问题的状态，以及前后的关系。
2. 通过前后的关系，找出状态转移方程（总是很难找出）
3. 确定状态转移方程的边界条件，毕竟状态转移方程和递归的思路差不多，需要停止。
4. 一般是最后一个存储的结果就是所要找的最优解。

常见的题型：

1. 最长公共子序列
   分析：
   （1）确定状态：
   设f[x][y]表示s[1–x]和t[1–y]的最长公共子序列的长度
   （2）确定方程与边界条件：
   •s[x]不在公共子序列中，该情况下
   f[x][y]=f[x-1][y];
   •t[y]不在公共子序列中，该情况下
   f[x][y]=f[x][y-1];
   •s[x]==t[y],s[x]和t[y]在公共子序列中，
   f[x][y]==f[x-1][y-1]+1;
   f[x][y]取三种情况的最大值。
   状态转移方程：
   f[x][y]=max{f[x-1][y],f[x][y-1],f[x-1][y-1]+1}
   边界条件：
   f[0][y]=0;f[x][0]=0;
   （3）程序的实现：
   按照行从小到大，同一行按列从小到大计算，迭代即可。
2. 走方格问题
   描述：
   有一个矩阵，它每个格子有一个权值。从左上角的格子开始每次只能向右或者向下走，最后到达右下角的位置，路径上所有的数字累加起来就是路径和，返回所有的路径中最小的路径和。
   解题思路：
   设dp[n][m]为走到n*m位置的路径长度，那么显而易见
   dp[n][m] = min(dp[n-1][m],dp[n][m-1]);
   边界条件：dp[1][1]=第一个格子的权值。
3. 最大子矩阵和
   二维数组的子矩阵求其中最大的和。
   可以进行降维计算，如果是二维数组而又去遍历每一个子矩阵很容易超时，降维之后，就是一个最大子段和的问题。

动态规划的题目很难，但是要坚持去做，去看，搞清楚例题，多做题总结，强化训练才能成功。