动态规划思考的问题:
1、问题如何分解,即最终问题的上一步骤是什么,如求组合C(n, k) = C(n-1, k-1) + C(n-1, k-1)。
2、参数确定,写出递推式。找到最后一步的子问题,确保符合“子问题重叠”,把子问题中不相同的地方设置为参数,如组合中的n,k。
3、“最优子结构”判断,注意这里的最优不是单独问题的最优,是局部问题的最优。如求最短路径问题,起点为A,终点为Z,其中X,Y都可以到Z,那么不是寻找单独问题min{cost(X,Z),cost(Y,Z)},而是局部min{cost(A,...X)+cost(X,Z),cost(A,...Y)+cost(Y,Z)}
4、递归退出,周密考虑边界子问题的解。
5、“子问题独立”,一般而言,在多个子问题中选择一个作为实施方案,而不会同时实施多个方案,那么子问题就是独立的。
1、问题如何分解,即最终问题的上一步骤是什么,如求组合C(n, k) = C(n-1, k-1) + C(n-1, k-1)。
2、参数确定,写出递推式。找到最后一步的子问题,确保符合“子问题重叠”,把子问题中不相同的地方设置为参数,如组合中的n,k。
3、“最优子结构”判断,注意这里的最优不是单独问题的最优,是局部问题的最优。如求最短路径问题,起点为A,终点为Z,其中X,Y都可以到Z,那么不是寻找单独问题min{cost(X,Z),cost(Y,Z)},而是局部min{cost(A,...X)+cost(X,Z),cost(A,...Y)+cost(Y,Z)}
4、递归退出,周密考虑边界子问题的解。
5、“子问题独立”,一般而言,在多个子问题中选择一个作为实施方案,而不会同时实施多个方案,那么子问题就是独立的。
7、记录中间结果的解,减少运行时间复杂度,也是动态规划的优势,一般使用二维数组记录中间结果,考虑二维数组的填充顺序,根据填充顺序也可以减少空间复杂度。
具体的例子减链接:
http://blog.youkuaiyun.com/yysdsyl/article/details/4226630
http://blog.youkuaiyun.com/mengzhejin/article/details/37880413
http://blog.youkuaiyun.com/woshioosm/article/details/7438834