DP初次总结

在做了一系列的背包问题，看了DD的背包九讲后，在这里，我想脱离背包问题，对更一般的动态规划做一次小小总结。

• 动归性质与举例

步骤：

1. 最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质（即满足最优化原理）。最优子结构性质为动态规划算法解决问题提供了重要线索。
2. 子问题重叠性质。子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次需要计算已经计算过的子问题时，只是在表格中简单地查看一下结果，从而获得较高的效率。

（1）都是一种递推算法；
（2）贪心和动态规划本质上是对子问题树的一种修剪。两种算法要求问题都具有的一个性质就是“子问题最优性”。即组成最优解的每一个子问题的解，对于这个子问题本身肯定也是最优的。

PS:平常说的“动态规划”是自底向上的动态规划，“备忘录方法”是自顶向下的动态规划

备忘录方法是动态规划算法的变形，它通过分治思想对原问题进行分解，以存储子问题的解的方式解决冗余计算，并采用自顶向下的递归方式获取问题的最终解。

与动态规划算法的不同之处是动态规划算法的递归方式是自底向上递归求解，而备忘录方法的递归方式是自顶向下递归求解。

当一个问题的所有子问题都至少要解一次时，使用动态规划算法。

当子问题空间中的部分子问题不需要求解时，使用备忘录方法。

以Fibonacci为例,

自顶向下的方法如下: 
int   f(int   i) 
{ 
        static   int   known[10000]   =   {0}; 
        if(   known[i]   !=   0   )return   known[i]; 
        int   t=i ; 
        if(i> 1)   t   =   f(i-1)   +   f(i-2);         
        return   known[i]   =   t; 
} 
自底向上的方法如下：
void f( int n ) 
{ 
int i; 
int known[i]={0}; 
known[1]=1; 
for( i=2; i <=n; ++i ) 

known[i]=known[i-1]+known[i-2]; 

return known[n];
}