维特比算法是一个特殊，但应用最广的动态规划算法。利用动态规划，可以解决任何一个图中的最短路径问题。而维特比算法是针对一个特殊的图--篱笆网络(Lattice)的有向图最短路径问题而提出的。它之所以重要是因为，凡是使用隐含马尔科夫模型描述的问题都可以用它来解码。
假如用户输入的拼音是y1,y2,...,yn，对应的汉字是x1,x2,...,xn，根据概率公式：
输入的序列为y1,y2,...,yN，而产生他们的隐含序列是x1,x2,...,xN，可以用下图描述这个过程：
图1 适合维特比算法的隐含马尔科夫模型
现在这个马尔可夫链的每个状态的输出是固定的，但是每个状态的值可以变化。比如输出读音"zhong"的字可以是“中”，“种”等多个字。用符号xij表示状态xi的第j个可能的值。如果把每个状态按照不同的值展开，就得到下面这个篱笆网络：
图2 篱笆网络
在上图中，每个状态有3个或4个值，当然实际中他们可以有任意个值。
总结算法如下：
第一步，从点S出发，对于第一个状态x1的各个节点，不妨假定有n1个，计算出S到他们的距离d(S,x1i)，其中x1i代表任意状态1的节点。
第二步，对于第二个状态x2的所有节点，要计算出从S到它们的最短距离。对于特定的节点x2i，从S到它的路径可以经过状态1的n1中任何一个节点x1i,当然，对应的路径长度就是d(S,x2i) = d(S,x1j) + d(x1j,x2i)。由于j有n1种可能性，我们要一一计算，然后找到最小值。即
d(S,x2i) = min d(S,x1j) + d(x1j,x2i)
这样对于第二个状态的每个节点，需要进行n1次计算。假定这个状态有n2个节点，把S这些节点的距离都算一遍，就有O(n1·n2)次计算。
接下来，类似的按照上诉方法从第二个状态走到第三个状态，一直走到最后一个状态，就得到了整个网络从头到尾的最短路径。复杂度为O（N·D^2）。
参考书籍
http://www.cnblogs.com/ryuham/p/4686594.html