本文分享自华为云社区《五大基础算法--动态规划法》，作者：大金（内蒙的）。

一、基本概念

动态规划法，和分治法极其相似。区别就是，在求解子问题时，会保存该子问题的解，后面的子问题求解时，可以直接拿来计算。

专业的说法是：

对于一个规模为n的问题，将其分解为k个规模较小的子问题（阶段），按顺序求解子问题，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，通过决策求得局部最优解，依次解决各子问题。最后可以通过简单的判断，得到原问题的解。

说法有些晦涩难懂，我给大家解释下：

阶段：求解第n个子问题称为第n个阶段。动态规划是按照顺序去求解子问题的，这里子问题的求解顺序很重要。
状态：在求解第n个阶段时，已求解n-1个阶段的解，称为状态。
决策：在求解第n个阶段时，根据状态和计算规则，可以得到第n个阶段时解。

二、基本特征

动态规划法所能解决的问题一般具有以下几个特征：

1) 大问题可分解性

该问题可以分解为若干个规模较小的问题，即该问题具有最优子结构性质。

2) 子问题易解决性

该问题的规模缩小到一定的程度就可以容易地解决

3) 解可合并性

利用该问题分解出的子问题的解可以合并为该问题的解；

4) 子问题重叠性

当计算出某个子问题的解时，后续多个问题都需要计算该子问题的解，所以在计算某个子问题的解，将其保存，就节省了分治法重复计算的时间。

三、一些误解

1.状态转移方程

很多博客都说什么状态转移方程，感觉说的很高大上，一般解题上来就是状态转移方程是xxxx，代码是xxxx，翻译下是什么意思呢？
在求解第n个子问题的时候，通过已求解n-1个阶段的解和计算规则，可以得到第n个阶段时解。
即是最新的状态=目前的状态+决策。

2.初始化

很多题目解题的时候都说初始化，这并不是动态规划法的步骤。应该正确的去理解这些操作。动态规划在划分子问题求解顺序时，基本是先求解易求解最小的子问题，在由这些已经求解的阶段+计算规则，就能直接求得第n阶段的解。所以初始化的含义是，求得初始阶段的解。

3.边界条件

一般题目会说边界是啥，可以理解为怎么判断所有的子问题已经求解结束了。正常人也不会写while（true）吧，你总得让程序结束，判断你已经解决好这个问题了。

四、动态规划法的基本步骤

step1 分解：

将一个问题分解为多个子问题，需要注意子问题解决的顺序，应该先求解易求解的子问题，且后续的阶段可以通过前面的阶段+决策得到。

step2 状态转移：

通过得到的规律，写出状态转移方程。
第n阶段=当前状态+决策（前n个阶段解和计算规则）

step3 写代码：

将最先算的阶段计算出来，中间阶段通过状态转移方程计算状态，直到所有阶段计算结束。

step4 得到解：

所有阶段计算结束，可以通过简单的统计，例如Max，Min等遍历阶段的值，得到最后的解。

五、经典问题

好记性不如烂笔头，有一些适用动态规划法的问题，可以帮我们不断强化的解题思想。在解决问题时，希望大家可以注意判断题目的解决思路，看是否符合动态规划法的四个特征，这样不断强化，才能将算法掌握。

（1）最长回文子串

下面附上我的题解：

https://leetcode-cn.com/problems/longest-palindromic-substring/solution/dong-tai-gui-hua-fa-qiu-jie-kan-bu-dong-octkt/

//动态规划法两个基本要素：最优子结构性质和子问题重叠性质。
//很多答案写了初始化和边界条件，个人认为你要分清楚他的目的是什么。
//很多初始化和边界条件，是因为状态转移方程，是需要初始化的子问题的解，从而避免重复计算，说白了还是子问题重叠和最优子结构问题。
//我们应该注重某一个问题的重叠子问题分解和状态最优的决策分析。
//解题思路:
//计算某个字符串时, 如果它首尾字符相等，则它是不是回文，取决于去掉头尾之后的字符串是否为回文串。
//                  如果它首尾字符不相等，则它一定不是回文
//leetcode submit region begin(Prohibit modification and deletion)
class Solution {public String longestPalindrome(String s) {int len = s.length();// 特判if (len < 2){return s;}int maxLen = 1;int begin  = 0;// 1. 状态定义// dp[i][j] 表示s[i...j] 是否是回文串，现在表示全部为0，不是回文串boolean[][] dp = new boolean[len][len];char[] chars = s.toCharArray();// 2. 子问题计算顺序：先计算短字符串，在计算长字符串，同时根据已求得的短字符串或者计算规则，可以得到长字符串的解。// 注意：s表示计算的元素顺序。//     0   1   2  3  4// 0   xx s1  s2 s4 s7// 1      xx  s3 s5 s8// 2          xx s6 s9// 3             xx s10// 4                xx// 为什么这么写呢，因为你要保证保证计算某个元素时，通过状态转移方程能得到左上角元素的dp[][]。// 填表规则：先一列一列的填写，再一行一行的填，保证计算某个元素时，它左上方的单元格已经被计算出了结果// 填表规则：当然你也可以由左往右一行一行写，这样也能保证计算某个元素时，它左上方的单元格已经被计算出了结果for (int j = 1;j < len;j++){for (int i = 0; i < j; i++) {// 头尾字符不相等，不是回文串if (chars[i] != chars[j]){dp[i][j] = false;}else {// 相等的情况下// 因为考虑头尾去掉以后没有字符剩余，或者剩下一个字符的时候，肯定是回文串if (j - i -1 <= 1){dp[i][j] = true;}else {// 头尾相等，中间有大于1个元素，这个时候，我们无法直接判断他是不是回文，但是我们可以通过状态转移方程去判断// 其实这个就是在计算s8这个元素时，我们无法判断dp[1][4]在1和4位元素相等时候，整个字符串是否是回文。// 所以要通过s4去判断，s4是回文，s8就是。s4不是，那s8就不是。dp[i][j] = dp[i + 1][j - 1];}}// 只要dp[i][j] == true 成立，表示s[i...j] 是否是回文串// 此时更新记录回文长度和起始位置if (dp[i][j] && (j - i + 1 > maxLen)){maxLen = j - i + 1;begin = i;}}}// 3. 初始化  // 很多答案写了这个，这一步，我们细想，其实完全没有必要。// 因为主对角线，值是可以直接判断出来的。// 而且在求解过程中，我们的状态转移方程不会用到这个值。因为只有主对角线会用到这几个值。// 而且单个元素的子问题解，我们并不需要。// 所以，即使我这步初始化放到计算之后，甚至是直接去掉，也完全不影响结果。大家可以自己试一下// for (int i = 0; i < len; i++) {//     dp[i][i] = true;// }// 4. 返回值return s.substring(begin,begin + maxLen);}
}

点击关注，第一时间了解华为云新鲜技术~

理论+实践，带你掌握动态规划法相关推荐

数据治理的理论实践与发展趋势
为什么80%的码农都做不了架构师?>>> 数据治理的理论实践与发展趋势大数据时代的到来为各行业带来基于数据资产进行业务创新,管理创新的契机以及大数据技术建设需求,面向大数据环境和传 ...
UA SIE545 优化理论基础3 Fritz-John与Kuhn-Tucker理论总结带等式约束与不等式约束的极值问题
UA SIE545 优化理论基础3 Fritz-John与Kuhn-Tucker理论总结带等式约束与不等式约束的极值问题对于函数f:X→Yf:X \to Yf:X→Y,我们希望XXX是一个凸的度量 ...
三层交换(VLAN间互通+路由功能)+VTP+STP(PVST)综合实验（理论+实践=真实）
三层交换(VLAN间互通+路由功能)+VTP+STP(PVST) 综合实验(理论+实践=经验) [需求分析] 本实验采用双核心结构,将三层交换技术和VTP.STP.以太网通道综合一起,实现 ...
innovus停止当前命令_Innovus教程 - Flow系列 - 摆放宏单元（理论+实践+命令）
<Innovus教程 - Flow系列 - 摆放宏单元 (理论+实践+命令)> 理论: 在Innovus里面有个新功能是mix placer,可以将Macro当成Std cell一样去自动 ...
第七章：Tensorflow2.0 RNN循环神经网络实现IMDB数据集训练（理论+实践）
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/LQ_qing/article/deta ...
自然语言理解理论实践-主要的语言理解任务(一)《个人学习笔记》
自然语言理解理论实践主要的语言理解任务 1.域检测和意图识别 2.填槽希望能多多交流,共同学习进步主要的语言理解任务首先,以介绍人机对话系统中使用语言理解为目标任务,进行之后的理论和实践背景的 ...
开放原子教育高校师资培训(OpenHarmony物联网理论+实践)成功举办
开源项目 OpenHarmony 是每个人的 OpenHarmony 2021 年 8 月 26 日至 28 日,开放原子教育高校课程共建师资培训系列活动(OpenHarmony物联网理论+实践)成 ...
判断深度学习模型的稳定性_人工智能干货｜一线工程师带你学习深度学习模型量化理论+实践...
2019年的最后一天,送给自己一份特殊的礼物. 模型量化作为一种能够有效减少模型大小,加速深度学习推理的优化技术,已经得到了学术界和工业界的广泛研究和应用.模型量化有 8/4/2/1 bit等,本文主 ...
【理论+实践】史上最全-论文中常用的图像分割评价指标-附完整代码
图像分割的评价指标非常多,论文中常用的包括像素准确率(Pixel Accuracy, PA).交并比(Intersection-Over-Union,IOU).Dice系数(Dice Coeffcie ...

理论+实践，带你掌握动态规划法