这真的不是什么可以引以为豪的事情....我一直认为我是懂动态规划的，直到这两天重新看到动态规划的代码发现自己看不懂，然后恍然间意识到上次看懂都是7年前的事情了。google了一番搜到自己的blog真的是欲哭无泪，然后痛定思痛，觉得这次把它搞懂，重新写一篇笔记，这样万一若干年之后再回头看这个，至少保证这次的笔记有更多的含金量自己可以看懂。（更惭愧的是，高级宏观的时候天天在手动解动态规划，最多的就是无穷期动态规划，现在居然不怎么记得当年是怎么解的了...）
动态规划的用处还真多。很多例子都是斐波那次数列的，但是其实我感觉这样的例子并没有很明显的感觉。倒是今天看到一个文本排列的例子觉得很有意思，原来latex计算每行放多少词是用动态规划算的。想想word打字的时候也是不时会重排一下，所以大概也是在后面不停的算动态规划的最优结果吧。
动态规划的想法其实并不麻烦，大致就是一种以空间换时间的交换。今天耐着性子把youtube上mit公开课关于动态规划的两节看完了（19节和20节），顺便拿笔在旁边记了一堆笔记。然后找了两个例子用python练习了一番，又看了一下其他人的答案，开车回家的路上顺便又想了一下，这才觉得这次好像是想明白动态规划了。所以在这里记一下。
最短路径的动态规划解法
先来个简单的例子？路径问题好了。这个好像是最经典的动态规划例子了。我这里随便画了一个图（神器在此）。
假设如同上图所示，我希望从A走到D，其中各条路径的长度已经标注在图上。那么最短的路径是哪条呢？
最笨的办法，我们可以把每条路径都列出来，一个一个走一遍呗。这里的可能性就是
- A -> B1 -> C1 -> D： 3＋3+10 ＝ 16
- A -> B1 -> C2 -> D：3+5+2 ＝ 10
- A -> B2 -> C1 -> D：4+6+10 ＝ 20
- A -> B2 -> C2 -> D：4+8+2=14
所以很显然，最短路径是第二条：A -> B1 -> C2 -> D。
那么如果问题再复杂一点呢？
这里我们还是可以继续采用笨办法，只是可能的路径多了一点：
- A -> B1 -> C1 -> D1 -> E： 3＋3+10+6 ＝ 22
- A -> B1 -> C1 -> D2 -> E： 3＋3+4+2 ＝ 12
- A -> B1 -> C2 -> D1 -> E：3+5+2+6 ＝ 16
- A -> B1 -> C2 -> D2 -> E：3+5+6+2＝ 16
- A -> B2 -> C1 -> D1 -> E：4+6+10+6 ＝ 26
- A -> B2 -> C1 -> D2 -> E：4+6+6+2 ＝ 18
- A -> B2 -> C2 -> D1 -> E：4+8+2+6 = 8
- A -> B2 -> C2 -> D2 -> E：4+8+6+2 = 20
所以很显然，第二条胜出。在这个过程中我们一共计算了8条路径、24次加法。有没有发现什么规律呢？我们其实有很多重复的计算：比如C1 -> D1 -> E我们计算了两遍。总结一下：
- 不管我们是怎么走到C1的，从C1到最后终点E的最短路径一定是C1 -> D2 -> E，距离为6。同理，不管我们怎么走到C2的，从C2到E怎么走都是8的距离。
- 这样，继续往前推，不管我们是怎么走到B1的，若是从B1到C1再到E，最短距离就是3+6＝ 9 （C1 -> D1 -> E）；若是从B1到C2再到E，最短距离就是5+8=13，所以从B1到E的最短距离就是9。同理，不管我们怎么到B2的，从B2到E的最短距离是 6+6<8+8，故为12。
- 那么回到最初的起点，A到B1再到E，最短距离就是3+9=12；A到B2再到E，最短距离就是4+12=16。
所以在这个过程中，每一步其实我们只进行局部计算就好了，不需要把各种可能性都列出来。下面是我们在每一步可以排除的路径。
- A -> B1 ->
C1 -> D1 -> E： - A -> B1 -> C1 -> D2 -> E： 3＋3+4+2 ＝ 12
- A ->
B1 -> C2-> D1 -> E： - A ->
B1 -> C2-> D2 -> E： - A -> B2 ->
C1 -> D1 -> E： - A -> B2 -> C1 -> D2 -> E：4+6+6+2 ＝ 18
- A ->
B2 -> C2-> D1 -> E： - A ->
B2 -> C2-> D2 -> E：
这就是动态规划的力量了：在我们这个例子中，我们可以倒推出来，给定某一步的各种可能性、后面的最优走法。然后这样每次前面的只需要对比怎么走下一步、后面的最优路径就已经计算好了。
这大概是我自己对动态规划最直观的理解了：每一步都是相对独立的，所以可以先不管前面的、针对后面的进行优化、然后慢慢往前推。因为只要到了某步、后面的结果其实并不取决于是怎么到当前步的。
斐波那次数列的动态规划解法
然后看一下最著名的斐波那次数列好了，就是那个著名的数兔子数列：第一年没有兔子，第二年一只兔子，第三年1一只兔子，第四年2只兔子，第五年3只兔子，第六年5只兔子...每次都是前两年的兔子的和。
这个例子是绝佳的演示为什么动态规划体现了用空间换时间。比如我们要算第10年几只兔子，然后上面已经算好了直到第6年的兔子。我们先来看一种最笨的算法。括号里面的数字是倒推出来写的。
第十年的兔子 ＝ 第八年的兔子（5＋5+3）＋第九年的兔子（5+5+3+5+3）
第九年的兔子 ＝ 第八年的兔子 （5＋5+3）＋ 第七年的兔子（5+3）
第八年的兔子 ＝ 第六年的兔子 （5）＋ 第七年的兔子 （5+3）
第七年的兔子 ＝ 第六年的兔子（5） ＋ 第五年的兔子（3）
.....
一直算下去的话，为了算第10年的兔子，我们要算7次加法。这个过程中可以看出来，除了第五年和第六年的兔子是已知的之外，我们算了两遍第七年的兔子、两遍第八年的兔子、一遍第九年的兔子，然后才算出来第十年的兔子，显然是重复计算。
那动态规划这里怎么用呢？很简单啊，算过的我们就存起来，然后下一次再问到就不用算了呗；没算过的就现算呗。同样，我们已知的是｛第一年，0｝，｛第二年，1｝，｛第三年，1｝，｛第四年，2｝，｛第五年，3｝，｛第六年，5｝。
所以这个过程就是：
- 为了算第十年的，我需要知道第八年的和第九年的，然后这俩都要算。
- 为了算第九年的，我需要知道第七年的和第八年的，然后这俩都要算。
- 为了算第八年的，我需要知道第七年的和第六年的，然后第七年要算。
- 为了算第七年的，我需要知道第六年的和第五年的，这俩都知道，所以第七年是8。
- 这样，第八年的就是8+5=13。
- 这样，第九年就是8+13 ＝ 21。
- 这样，第十年就是，13+21=34。
于是，每一年我只算了一遍，算好了就存起来了，下次备用就好了。
于是有童鞋说，另外一种办法就是从头到尾算就好了嘛、一个一个往后算、到了第10年停就是了。其实这样从前往后和刚才倒推＋存储是一摸一样的计算过程、每一年只算了一遍。因为有存储的存在、动态规划会极大降低时间复杂度。不过显然最省内存的就是从头往后算了，因为我只需要记住n－1和n－2两年的兔子就可以了，不需要知道再往前的年份的。这又体现了一种相对独立的感觉：给定n－1和n－2，n跟n－3...等等就完全没关系了，想想这不就是类似时间序列中的AR(2)过程嘛！
<不过话说最高效的算法，还是通项公式吧，直接就出结果了。但那个就跟这里没关系了呢。>
强盗问题的动态规划解法
最后再来俩个比较好玩的问题吧。House Robber problem，直接复制一下别人的翻译：
你是一名专业强盗，计划沿着一条街打家劫舍。每间房屋都储存有一定数量的金钱，唯一能阻止你打劫的约束条件就是：由于房屋之间有安全系统相连，如果同一个晚上有两间相邻的房屋被闯入，它们就会自动联络警察，因此不可以打劫相邻的房屋。
给定一列非负整数，代表每间房屋的金钱数，计算出在不惊动警察的前提下一晚上最多可以打劫到的金钱数。
我们先来看一下简单的情况。
如图，这条街上一共有6栋房子，我们假设它们依次有1-6块钱。然后可行的打劫策略有：
- 打劫1
- 打劫3
- 打劫5： 1+3+5=9
- 打劫6： 1+3+6 ＝10
- 打劫4
- 打劫6： 1+4+6=11
- 打劫3
- 打劫2
- 打劫4
- 打劫6： 2+4+6 ＝ 12
- 打劫5： 2+5 ＝ 7
- 打劫4
所以简单计算可知，2，4，6是最佳打劫策略。在这个过程中有没有什么熟悉的感觉？比如，给定打劫4，最优的策略一定是打劫6；给定打劫3、最优的策略已经是打劫6。所以我们可以一步步倒推出来、给定某个点、往后最优策略是什么，然后往前慢慢比较前一步怎么走到这个点就可以了。其实无非就是另外一个最短（长）路径问题。
那大致思路就是：已知第i步最优策略，那么只需要比较从i-2走过来和i-3走过来哪个更优就可以了。而我们又知道，这个过程可以借助存储表来降低时间复杂度，而借助存储和从头到尾算又是等价的，所以如果采取从头到尾写的话，就是上面链接给出的代码了：
状态转移方程：
dp[i] = max(dp[i - 1], dp[i - 2] + num[i - 1])
其中，dp[i]表示打劫到第i间房屋时累计取得的金钱最大值。
时间复杂度O(n)，空间复杂度O(n)
直白的讲，就是第i步的累积最大值是比较 第i－1步的累积最大值（此时不打劫i） 和 第i-2步累积最大值＋第i步金钱（此时打劫i）。
类似的还有一个好玩的问题：
如果这些房子是相互连城圈的，就是第1间和最后一间连在一起，那么就不能同时打劫第1间和最后一间了，此时的最优策略是什么？
答案无非就是，把一个list分别去掉头保留尾、去掉尾保留头，然后分别算一遍动态规划，看看哪个是最优的就可以了。
今天就写到这里吧，希望日后回头看自己还能看得懂...