ACM-动规总揽

动态规划，首先问什么是动态规划？这是百度百科的解释，比较详细，时空转移（点击打开链接）。上面的解释虽然详细，但是比较难懂，对于我来说，由于受一些思想的影响，我理解的动规可能并不是一种具体的算法，而是一种思维的过程。为什么这样说呢？其实这是在解决动态规划题目的过程中深深的体会，所以对于每一个人来说，可能对于动规的理解方式都不一样。

其实，也之所以说动态规划难，可能就如同前面说的那样，不容易抓住它的本质、特点，以及它的灵活性、多变性、思维性，这是我们使用它的障碍，却也是它解决问题时所具有的独特的优点。这样一来，要掌握动规不太容易，但也不是完全无迹可寻，下面就来说说方法。

首先，我们需要搞清楚的就是动规的目的，关键词是：最优化，一般动规通常用于求解最优化问题。

其次，我们需要搞清楚的就是动规解决问题的一般思路，关键词是：子问题，就是通过将一个完整问题分为多个相互联系的子问题，然后通过解决子问题从而求出最终的解，但是说到这里，我们不得不提到的是也有另外两种不同的算法使用的时这种思路，它们就是贪心和分治，后面我们会谈谈它们之间的区别。

最后，我们还需要确定什么时候可以使用动规求解问题，可能大家从前两点已经知道了一些端倪，既然要求解最优值，并且又是从子问题求解到整个问题，那必然要求局部的最优解能够推导出全局最优解。下面给出两条能用动态规划求解的问题本身所具有的重要性质：1、最优子结构。2、子问题重叠。最优子结构正如前面分析的那样，而子问题重叠却是动规发挥威力的另一个体现。那么什么又是子问题重叠呢？通俗的的讲，就是当使用一般算法解决问题时，需要将这个问题的多个子问题重复计算多次，这样必然浪费很多时间。那么动规是如何解决这个问题的呢？其实很简单，那就是将已经计算过的子问题保存下来呗！当再次需要某一个子问题的解时，直接拿来用即可，而不用再去重新计算了！

有了上面的这些认识，那么具体如何使用动态规划去解决问题呢？不忙，还有一个关键词需要理解，那就是：状态，我们使用状态来描述当前子问题的情况，那我们如何定义状态呢？这个就是展现能力的时候了，需要具体情况具体分析！自然而然，既然每一个子问题有了描述，那如何去刻画子问题间的关系呢？那就是另一个关键词：状态转移，状态转移代表从一个子问题过度到另一个子问题，实际上这是一个方程，叫做动态转移方程。好了，至此我们便可归纳出设计动态规划算法的一般步骤（注意“设计”一词）：

1、将一个问题分解为多个子问题

2、找出合适的状态，既能合理的描述子问题，又能较为方便的计算答案

3、确定子问题之间的关系，推导状态转移方程（一般自底向上转移）

4、综合所有子问题的解，求出整个问题的解

到这里，不知道大家有没有对动规有一个初步的理解，这里再强调一下一些比较重要的关键词，它们在不同的方面深深得影响着算法的设计，因此必须对它们要有一个深刻的理解，即：最优化、子问题、最优子结构、子问题重叠、状态、状态转移。还要强调一点的是：动态规划算法是灵活设计出来的！不是现成的！

哦，对了，前面提了，还要说明一下动规和贪心以及分治之间的关系。

1、动规与贪心

学了贪心，我们知道它和动规一样同样具有最优子结构，但是它们之间一个显著的区别是：贪心在每一个子问题中做决策时，只会考虑在当前看起来是不是最优解，然后没有联系的过度到下一个子问题，而动规在每个状态中求解最优时，需要考虑其它状态的解，这是通过状态转移方程来实现的。通俗的讲就是，贪心处在局部时只考虑局部，动规处在局部时其实考虑的全局。

2、动规与分治

同样的，分治算法也将整体化为局部去求解，但是我们发现当它通过递归去划分整体时，每一次产生的子问题总是新的，也就是说分治不具有重叠子问题的性质，不需要对某一个局部进行反复的求解，这是它与动规的最大区别。

基本概念和思路说完了，下面就要具体的去做练习了，但是动态规划也有很多不同的类型，后面都会一一说到，鉴于最近遇到的概率dp较多，就先从它开始吧。

传送门-概率dp（点击打开链接）。

最近发现状压dp经常穿插在其它的一些算法中考查，so，搞搞它吧。

传送门-状压dp（）。