Dynamic Programming
最后更新于：2022-04-02 01:12:38
# Dynamic Programming - 动态规划
动态规划是一种「分治」的思想，通俗一点来说就是「大事化小，小事化无」的艺术。在将大问题化解为小问题的「分治」过程中，保存对这些小问题已经处理好的结果，并供后面处理更大规模的问题时直接使用这些结果。嗯，感觉讲了和没讲一样，还是不会使用动规的思想解题...
下面看看知乎上的熊大大对动规比较「正经」的描述。
> 动态规划是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。
以上定义言简意赅，可直接用于实战指导，不愧是参加过NOI的。
动规的思想虽然好理解，但是要真正活用起来就需要下点功夫了。建议看看下面知乎上的回答。
动态规划最重要的两个要点：
1. 状态(状态不太好找，可先从转化方程入手分析)
1. 状态间的转化方程(从题目的隐含条件出发寻找递推关系)
其他的要点则是如初始化状态的确定(由状态和转化方程得知)，需要的结果(状态转移的终点)
动态规划问题中一般从以下四个角度考虑：
1. 状态(State)
1. 状态间的转移方程(Function)
1. 状态的初始化(Initialization)
1. 返回结果(Answer)
动规适用的情形：
1. 最大值/最小值
1. 有无可行解
1. 求方案个数(如果需要列出所有方案，则一定不是动规，因为全部方案为指数级别复杂度，所有方案需要列出时往往用递归)
1. 给出的数据不可随便调整位置
### 单序列([DP_Sequence](# "单序列动态规划，通常使用 f[i] 表示前i个位置/数字/字母... 使用 f[n-1] 表示最后返回结果。"))
单序列动态规划的状态通常定义为：数组前 i 个位置, 数字, 字母 或者 以第i个为... 返回结果通常为数组的最后一个元素。
按照动态规划的四要素，此类题可从以下四个角度分析。
1. State: f[i] 前i个位置/数字/字母...
1. Function: f[i] = f[i-1]... 找递推关系
1. Initialization: 根据题意进行必要的初始化
1. Answer: f[n-1]
### 双序列([DP_Two_Sequence](# "一般有两个数组或者两个字符串，计算其匹配关系. 通常可用 `f[i][j]`表示第一个数组的前 i 位和第二个数组的前 j 位的关系。"))
一般有两个数组或者两个字符串，计算其匹配关系。双序列中常用二维数组表示状态转移关系，但往往可以使用滚动数组的方式对空间复杂度进行优化。举个例子，以题 [Distinct Subsequences](http://algorithm.yuanbin.me/zh-cn/dynamic_programming/distinct_subsequences.html) 为例，状态转移方程如下：
~~~
f[i+1][j+1] = f[i][j+1] + f[i][j] (if S[i] == T[j])
f[i+1][j+1] = f[i][j+1] (if S[i] != T[j])
~~~
从以上转移方程可以看出 `f[i+1][*]` 只与其前一个状态 `f[i][*]` 有关，而对于 `f[*][j]` 来说则基于当前索引又与前一个索引有关，故我们以递推的方式省略第一维的空间，并以第一维作为外循环，内循环为 j, 由递推关系可知在使用滚动数组时，若内循环 j 仍然从小到大遍历，那么对于 `f[j+1]` 来说它得到的 `f[j]` 则是当前一轮(`f[i+1][j]`)的值，并不是需要的 `f[i][j]` 的值。所以若想得到上一轮的结果，必须在内循环使用逆推的方式进行。文字表述比较模糊，可以自行画一个二维矩阵的转移矩阵来分析，认识到这一点非常重要。
小结一下，使用滚动数组的核心在于：
1. 状态转移矩阵中只能取 `f[i+1][*]` 和 `f[i][*]`, 这是使用滚动数组的前提。
1. 外循环使用 i, 内循环使用 j 并同时使用逆推，这是滚动数组使用的具体实践。
代码如下：
~~~
public class Solution {
/**
* @param S, T: Two string.
* @return: Count the number of distinct subsequences
*/
public int numDistinct(String S, String T) {
if (S == null || T == null) return 0;
if (S.length() < T.length()) return 0;
if (T.length() == 0) return 1;
int[] f = new int[T.length() + 1];
f[0] = 1;
for (int i = 0; i < S.length(); i++) {
for (int j = T.length() - 1; j >= 0; j--) {
if (S.charAt(i) == T.charAt(j)) {
f[j + 1] += f[j];
}
}
}
return f[T.length()];
}
}
~~~
纸上得来终觉浅，绝知此事要躬行。光说不练假把戏，下面就来几道DP的题练练手。
### Reference
1. [什么是动态规划？动态规划的意义是什么？ - 知乎](http://www.zhihu.com/question/23995189) - 熊大大和王勐的回答值得细看，适合作为动态规划的科普和入门。维基百科上对动态规划的描述感觉太过学术。
1. [动态规划：从新手到专家](http://www.hawstein.com/posts/dp-novice-to-advanced.html) - Topcoder上的一篇译作。
';