谈谈动态规划的思想

  动态规划（ dynamic programming ）算法是解决多阶段决策过程最优化问题的一种常用方法，难度比较大，技巧性也很强。利用动态规划算法，可以优雅而高效地解决很多贪婪算法或分治算法不能解决的问题。动态规划算法的基本思想是：将待求解的问题分解成若干个相互联系的子问题，先求解子问题，然后从这些子问题的解得到原问题的解；对于重复出现的子问题，只在第一次遇到的时候对它进行求解，并把答案保存起来，让以后再次遇到时直接引用答案，不必重新求解。动态规划算法将问题的解决方案视为一系列决策的结果，与贪婪算法不同的是，在贪婪算法中，每采用一次贪婪准则，便做出一个不可撤回的决策；而在动态规划算法中，还要考察每个最优决策序列中是否包含一个最优决策子序列，即问题是否具有最优子结构性质。

    动态规划算法的有效性依赖于待求解问题本身具有的两个重要性质：最优子结构性质和子问题重叠性质。

1 、最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质（即满足最优化原理）。最优子结构性质为动态规划算法解决问题提供了重要线索。

2 、子问题重叠性质。子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次需要计算已经计算过的子问题时，只是在表格中简 单地查看一下结果，从而获得较高的解题效率。

当我们已经确定待解决的问题需要用动态规划算法求解时，通常可以按照以下步骤设计动态规划算法：

1 、分析问题的最优解，找出最优解的性质，并刻画其结构特征；

2 、递归地定义最优值；

3 、采用自底向上的方式计算问题的最优值；

4 、根据计算最优值时得到的信息，构造最优解。

1 ～ 3 步是动态规划算法解决问题的基本步骤，在只需要计算最优值的问题中，完成这三个基本步骤就可以了。如果问题需要构造最优解，还要执行第 4 步； 此时，在第 3 步通常需要记录更多的信息，以便在步骤 4 中，有足够的信息快速地构造出最优解。

 

本文来自CSDN博客

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

     动态规划其实质上是通过开辟记录表，记录已求解过的结果，当再次需要求解的时候，可以直接到
那个记录表中去查找，从而避免重复计算子问题来达到降低时间复杂度的效果。实际上是一个空间
换时间的算法。动态规划，通常可以把指数级的复杂度降低到多项式级别。
一般算法书都会讲能不能用动态规划来求解问题，通常是判断有没有最有解结构，通常是通过“剪
切技术”来判断：即证明问题的一个最优解中，使用的子问题的解本身也必须是最优的。通常是假
设一个子问题不是最优的，那么找到一个最优的子问题来替换这个子问题，那么产生的最优解将优
于已找到的那个最优解，从而矛盾。
         其实用不用动态规划来求解问题，还有一个关键是有没有重复的子问题。这也是使用动态规划
与贪心法的区别所在。。贪心法求解的问题也满足最优解结构，只是它能够在每一步都能够“贪婪的
”选出当前唯一的最优子问题，并且当前的选择，是不依赖以前的选择的，通过这种“贪婪的选择”
选到最后时，就得到了全局的最优解了，不会产生重复的子问题。而动态规划，在一步选择的时候，
是通过从以前求出的若干个与本步骤相关的子问题最优解中选择最好的那个，加上这一步的值，来构
造这一步那个子问题的最优解，而如果以前求出的若干个子问题不保存下来，就需要重新求(通常是递
归所致)。动态规划用武之地也无非是保存这些重复的子问题而避免重新求解而达到高效的目的。
         动态规划的难点在于写出递推式。动态规划的步骤其实是很固定的，而每一个问题的递推式如何下手
得到会因不同的问题而不同，这是个最关键的问题,没有通用的方法。通常是根据题目的问题，最终要求的问题，都会
有几个数，以两个数M,N为例，然后让求最优值。你就可以使用v[M][N]数组来保存最有解，然后把问题
替换成i,j两个数的问题，试图通过v[i][j]与前面求出来的解建立递推关系。建立递推关系后，你可以简单
的写出递归形式的程序，这个程序只需要加上一条if(v[i][j]已求出) return v[i][j];就轻松改称了动
态规划,这就是lookup的形式。当然如果已经有了递推式，你也很容易写出从底向上推的迭代形式。
        一般的算法书讲的动态规划都是来求解最优解的问题，或许最初是用来求解规划问题的，而规划必然是最
优解问题，其实大多数的问题只要存在重复的子问题都可以使用动态规划的思路，就看你的重复的子问题
是不是多的值得使用空间来换时间这个思路了。

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

由于本人是数学系的，所以喜欢用数学离散的角度来思考：

多阶段决策问题

多阶段决策过程，是指这样的一类特殊的活动过程，问题可以按时间顺序分解成若干相互联系的阶段，在每一个阶段都要做出决策，全部过程的决策是一个决策序列。要使整个活动的总体效果达到最优的问题，称为多阶段决策问题。

例1是一个多阶段决策问题的例子，下面是另一个多阶段决策问题的例子：

[例2] 生产计划问题

工厂生产某种产品，每单位(千件)的成本为1(千元)，每次开工的固定成本为3(千元)，工厂每季度的最大生产能力为6(千件)。经调查，市场对该产品的需求量第一、二、三、四季度分别为 2，3，2，4(千件)。如果工厂在第一、二季度将全年的需求都生产出来，自然可以降低成本(少付固定成本费)，但是对于第三、四季度才能上市的产品需付存储费，每季每千件的存储费为0.5(千元)。还规定年初和年末这种产品均无库存。试制订一个生产计划，即安排每个季度的产量，使一年的总费用(生产成本和存储费)最少。

决策过程的分类

根据过程的时间变量是离散的还是连续的，分为离散时间决策过程(discrete-time decision process)，即多阶段决策过程和连续时间决策过程(continuous-time decision process)；根据过程的演变是确定的还是随机的，分为确定性决策过程(deterministic decision process)和随机性决策过程(stochastic decision process)，其中应用最广的是确定性多阶段决策过程。

动态规划模型的基本要素

一个多阶段决策过程最优化问题的动态规划模型通常包含以下要素：

1.阶段

阶段(step)是对整个过程的自然划分。通常根据时间顺序或空间特征来划分阶段，以便按阶段的次序解优化问题。阶段变量一般用k=1,2,..,n表示。在例1中由A出发为k=1，由B_i(i=1,2)出发为k=2，依此下去从D_i(i=1,2,3)出发为k=4，共n=4个阶段。在例2中按照第一、二、三、四季度分为k=1,2,3,4，共4个阶段。

2.状态

状态(state)表示每个阶段开始时过程所处的自然状况。它应该能够描述过程的特征并且具有无后向性，即当某阶段的状态给定时，这个阶段以后过程的演变与该阶段以前各阶段的状态无关，即每个状态都是过去历史的一个完整总结。通常还要求状态是直接或间接可以观测的。

描述状态的变量称状态变量(state variable)。变量允许取值的范围称允许状态集合(set of admissible states)。用x_k表示第k阶段的状态变量，它可以是一个数或一个向量。用X_k表示第k阶段的允许状态集合。在例1中x₂可取B₁，B₂，X₂={B₁,B₂}。

n个阶段的决策过程有n+1个状态变量，x_n+1表示x_n演变的结果，在例1中x₅取E。

根据过程演变的具体情况，状态变量可以是离散的或连续的。为了计算的方便有时将连续变量离散化；为了分析的方便有时又将离散变量视为连续的。

状态变量简称为状态。

3.决策

当一个阶段的状态确定后，可以作出各种选择从而演变到下一阶段的某个状态，这种选择手段称为决策(decision)，在最优控制问题中也称为控制(control)。

描述决策的变量称决策变量(decision variable)。变量允许取值的范围称允许决策集合(set of admissible decisions)。用u_k(x_k)表示第k阶段处于状态x_k时的决策变量，它是x_k的函数，用U_k(x_k)表示了x_k的允许决策集合。在例1中u₂(B₁)可取C₁,C₂,C₃。

决策变量简称决策。

4.策略

决策组成的序列称为策略(policy)。由初始状态x₁开始的全过程的策略记作p_1n(x₁)，即p_1n(x₁)={u₁(x₁),u₂(x₂),...，u_n(x_n)}。由第k阶段的状态x_k开始到终止状态的后部子过程的策略记作p_kn(x_k)，即p_kn(x_k)={u_k(x_k),u_k+1(x_k+1),...，u_n(x_n)}。类似地，由第k到第j阶段的子过程的策略记作p_kj(x_k)={u_k(x_k),u_k+1(x_k+1),...，u_j(x_j)}。对于每一个阶段k的某一给定的状态x_k，可供选择的策略p_kj(x_k)有一定的范围，称为允许策略集合(set of admissible policies)，用P_1n(x₁),P_kn(x_k),P_kj(x_k)表示。

5.状态转移方程

在确定性过程中，一旦某阶段的状态和决策为已知，下阶段的状态便完全确定。用状态转移方程(equation of state)表示这种演变规律，写作

在例1中状态转移方程为：x_k+1=u_k(x_k)

6.指标函数和最优值函数

指标函数(objective function)是衡量过程优劣的数量指标，它是关于策略的数量函数，从阶段k到阶段n的指标函数用V_kn(x_k,p_kn(x_k))表示，k=1,2,...,n。

能够用动态规划解决的问题的指标函数应具有可分离性，即V_kn可表为x_k,u_k,V_{k+1 n} 的函数，记为：

其中函数是一个关于变量V_{k+1 n}单调递增的函数。这一性质保证了最优化原理(principle of optimality)的成立，是动态规划的适用前提。

过程在第j 阶段的阶段指标取决于状态x_j和决策u_j，用v_j(x_j,u_j)表示。阶段k到阶段n的指标由v_j(j=k,k+1,..n)组成，常见的形式有：

阶段指标之和，即

阶段指标之积，即

阶段指标之极大(或极小)，即

这些形式下第k到第j阶段子过程的指标函数为V_kj(x_k,u_k,x_k+1,...,x_j+1)。可以发现，上述(3)-(5)三个指标函数的形式都满足最优性原理。在例1中指标函数为(3)的形式，其中v_j(x_j,u_j)是边<x_j,u_j(x_j)>的权（边的长度）,u_j(x_j)表示从x_j出发根据决策u_j(x_j)下一步所到达的节点。

根据状态转移方程，指标函数V_kn还可以表示为状态x_k和策略p_kn的函数，即V_kn(x_k,p_kn)。在x_k给定时指标函数V_kn对p_kn的最优值称为最优值函数(optimal value function)，记作f_k(x_k)，即

其中opt可根据具体情况取max或min。上式的意义是，对于某个阶段k的某个状态x_k，从该阶段k到最终目标阶段n的最优指标函数值等于从x_k出发取遍所有能策略p_kn所得到的最优指标值中最优的一个。

7.最优策略和最优轨线

使指标函数V_kn达到最优值的策略是从k开始的后部子过程的最优策略，记作p_kn^*={u_k^*,..u_n^*},p_1n^*又是全过程的最优策略，简称最优策略(optimal policy)。从初始状态x₁(=x₁^*)出发，过程按照p_1n^*和状态转移方程演变所经历的状态序列{x₁^*,x₂^*,..,x_n+1^*}称最优轨线(optimal trajectory)。