dp動態規劃分類詳解

轉自：http://blog.csdn.NET/cc_again/article/details/25866971

動態規劃一直是ACM競賽中的重點，同時又是難點，因為該算法時間效率高，代碼量少，多元性強，主要考察思維能力、建模抽象能力、靈活度。

******************************************************************************************

動態規劃（英語：Dynamic programming，DP）是一種在數學、計算機科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解復雜問題的方法。動態規劃常常適用于有重疊子問題和最優子結構性質的問題，動態規劃方法所耗時間往往遠少于樸素解法。

動態規劃背后的基本思想非常簡單。大致上，若要解一個給定問題，我們需要解其不同部分（即子問題），再合并子問題的解以得出原問題的解。通常許多子問題非常相似，為此動態規劃法試圖僅僅解決每個子問題一次，從而減少計算量：一旦某個給定子問題的解已經算出，則將其記憶化存儲，以便下次需要同一個子問題解之時直接查表。這種做法在重復子問題的數目關于輸入的規模呈指數增長時特別有用。

動態規劃問題滿足三大重要性質

最優子結構性質：如果問題的最優解所包含的子問題的解也是最優的，我們就稱該問題具有最優子結構性質（即滿足最優化原理）。最優子結構性質為動態規劃算法解決問題提供了重要線索。

子問題重疊性質：子問題重疊性質是指在用遞歸算法自頂向下對問題進行求解時，每次產生的子問題并不總是新問題，有些子問題會被重復計算多次。動態規劃算法正是利用了這種子問題的重疊性質，對每一個子問題只計算一次，然后將其計算結果保存在一個表格中，當再次需要計算已經計算過的子問題時，只是在表格中簡單地查看一下結果，從而獲得較高的效率。

無后效性：將各階段按照一定的次序排列好之后，對于某個給定的階段狀態，它以前各階段的狀態無法直接影響它未來的決策，而只能通過當前的這個狀態。換句話說，每個狀態都是過去歷史的一個完整總結。這就是無后向性，又稱為無后效性。

********************************************************************************************

動態規劃分類有很多劃分方法，網上有很多是按照狀態來分，分為一維、二維、區間、樹形等等。我覺得還是按功能即解決的問題的類型以及難易程度來分比較好，下面按照我自己的理解和歸納，把動態規劃的分類如下：

一、簡單基礎dp

這類dp主要是一些狀態比較容易表示，轉移方程比較好想，問題比較基本常見的。主要包括遞推、背包、LIS（最長遞增序列），LCS（最長公共子序列），下面針對這幾種類型，推薦一下比較好的學習資料和題目。

1、遞推：

遞推一般形式比較單一，從前往后，分類枚舉就行。

簡單:

hdu 2084 數塔?簡單從上往下遞推

hdu 2018 母牛的故事?簡單遞推計數

hdu 2044 一只小蜜蜂...?簡單遞推計數（Fibonacci）

hdu 2041 超級樓梯?Fibonacci