动态规划-04-区间动态规划

一、简介

区间动态规划简介
区间 DP 是状态的定义和转移都与区间有关，其中区间用两个端点表示。

状态定义 dp[i][j] = [i…j] 上原问题的解。i 变大，j 变小都可以得到更小规模的子问题。

对于单串上的问题，我们可以对比一下线性动态规划和区间动态规划。线性动态规划, 一般是定义 dp[i]， 表示考虑到前 i 个元素，原问题的解，i 变小即得到更小规模的子问题，推导状态时候是从前往后，即 i 从小到大推的。区间动态规划，一般是定义 dp[i][j]，表示考虑 [i…j] 范围内的元素，原问题的解增加 i，减小 j 都可以得到更小规模的子问题。推导状态一般是按照区间长度从短到长推的。

区间动态规划的状态设计，状态转移都与线性动态规划有明显区别，但是由于这两种方法都经常用在单串问题上，拿到一个单串的问题时，往往不能快速地判断到底是用线性动态规划还是区间动态规划，这也是区间动态规划的难点之一。

状态转移，推导状态 dp[i][j] 时，有两种常见情况

1. dp[i][j] 仅与常数个更小规模子问题有关

一般是与 dp[i + 1][j], dp[i][j - 1], dp[i + 1][j - 1] 有关。
dp[i][j] = f(dp[i + 1][j], dp[i][j - 1], dp[i + 1][j - 1])

代码常见写法

for len = 1..n
    for i = i..len
        j = i + len - 1
        dp[i][j] = max(dp[i][j], f(dp[i+1][j], dp[i][j-1], dp[i+1][j-1]))

时间复杂度和空间复杂度均为 $O(n^2)$

2. dp[i][j] 与 O(n) 个更小规模子问题有关

一般是枚举 [i,j] 的分割点，将区间分为 [i,k] 和 [k+1,j]，对每个 k 分别求解（下面公式的 f），再汇总（下面公式的 g）。

dp[i][j] = g(f(dp[i][k], dp[k + 1][j])) 其中 k = i … j-1。

代码常见写法, 以下代码以 f 为 max 为例

for len = 1..n
    for i = i..len
        j = i + len - 1
        for k = i..j
            dp[i][j] = max(dp[i][j], f(dp[i][k], dp[k][j]))

时间复杂度可以达到 $O(n^3)$ 空间复杂度还是 $O(n^2)$

二、回文相关问题

最长回文子串

三、其他区间规划问题