第三章动态规划问题分析及心得体会

[计科2301杨静贤]

最低通行费问题动态规划方程

（1）状态表示

设 dp[i][j] 表示商人从左上角 (0, 0) 到达网格中位置 (i, j) 的最小费用。

（2）状态方程

由于商人只能向上下左右四个方向移动，因此从位置 (i, j) 可以从 (i-1, j)、(i+1, j)、(i, j-1) 和 (i, j+1) 到达。状态转移方程为：

dp[i][j]=min(dp[i−1][j],dp[i+1][j],dp[i][j−1],dp[i][j+1])+cost[i][j]

其中，cost[i][j] 表示位置 (i, j) 的费用。

但是，这里需要特别注意，由于商人必须在 (2N-1) 个单位时间内穿越出去，而每穿越一个小方格花费一个单位时间，因此我们不能直接从所有四个方向转移，必须保证转移路径的总时间不超过 (2N-1)。实际上，这个限制在逐步计算 dp 数组的过程中隐含地满足，因为每次只从已经计算出的位置进行转移。

为了避免重复计算（在更一般的动态规划问题中），我们会按照某种顺序（例如从左到右、从上到下）计算 dp 数组，确保在计算 dp[i][j] 时，其所有前置状态 dp[i-1][j]、dp[i+1][j]（若合法）、dp[i][j-1] 和 dp[i][j+1]（若合法）都已经计算完毕。

（3）边界条件

• 初始位置 (0, 0) 的费用为 dp[0][0] = cost[0][0]。
• 第一行和第一列的费用可以逐步计算，因为它们只能从左边或上边到达。
  • 对于第一行 i = 0，dp[0][j] = dp[0][j-1] + cost[0][j]。
  • 对于第一列 j = 0，dp[i][0] = dp[i-1][0] + cost[i][0]。

（4）时间、空间复杂度分析

• 时间复杂度：由于需要计算每个位置的最小费用，且每个位置的计算依赖于其相邻位置的费用，因此时间复杂度为 O(N2)。
• 空间复杂度：需要一个 N×N 的二维数组 dp 来存储每个位置的最小费用，因此空间复杂度为 O(N2)。

综上所述，通过动态规划方法，我们可以在 O(N2) 的时间和空间复杂度内解决该问题，计算出商人从左上角到右下角的最小费用。

心得体会

动态规划（Dynamic Programming, DP）作为算法设计的一种重要范式，具有两大显著特点，这些特点使得动态规划在解决特定类型的问题时表现出色。以下是动态规划的两大特点的详细解释：

1. 最优子结构（Optimal Substructure）

最优子结构是动态规划问题的一个关键特征。它指的是一个问题的最优解可以由其子问题的最优解有效地构造出来。换句话说，如果一个问题可以被分解为多个子问题，并且这些子问题的最优解对于构造整个问题的最优解是必要的，那么这个问题就具有最优子结构。

在动态规划中，我们利用这一特点，通过递归地求解子问题，并将这些子问题的最优解存储起来（通常使用数组或哈希表等数据结构），以便在后续计算中重用。这样，我们可以避免重复计算相同的子问题，从而显著提高算法的效率。

2. 重叠子问题（Overlapping Subproblems）

重叠子问题是动态规划的另一个重要特征。它指的是在求解问题的过程中，多个子问题会被重复求解多次。如果没有有效的机制来存储和重用这些子问题的解，那么算法的效率将会非常低，甚至可能变得不可接受。

动态规划通过记忆化（memoization）或自底向上（bottom-up）的求解方式来解决这个问题。记忆化是在递归求解子问题的过程中，将已经计算过的子问题的解存储起来，以便在后续计算中直接重用。自底向上的方式则是从最小的子问题开始逐步求解，直到构建出整个问题的最优解。这两种方式都可以有效地避免重复计算相同的子问题，从而提高算法的效率。

综上所述，动态规划的两大特点——最优子结构和重叠子问题——使得它成为解决具有这些特征的问题的一种非常有效和强大的算法设计范式。通过利用这两个特点，我们可以设计出高效且易于理解的算法来解决各种复杂的优化问题。