动态规划入门

 引言

欢迎来到算法的精彩世界！对于算法小白来说，一开始可能会觉得动态规划是个难以逾越的坎，但实际上，只要我们用心理解，它就像是一座打开算法奇妙大门的桥梁。本篇博客将以算法小白为目标受众，详细介绍动态规划的概念、原理和应用，并通过简单易懂的C++代码进行解释。

什么是动态规划？

动态规划是一种解决复杂问题的算法方法，其核心思想是通过将问题分解成更小的子问题来求解。与递归不同，动态规划将已解决的子问题的解存储起来，以避免重复计算，提高算法效率。

 动态规划的基本思想

动态规划的基本思想可以总结为以下三个要素：

1. 最优子结构（Optimal Substructure）：问题的最优解可以通过子问题的最优解来构造。也就是说，整体问题的最优解可以通过解决它的各个子问题的最优解得到。

2. 重叠子问题（Overlapping Subproblems）：问题可以被分解成若干个相互独立且相同的子问题。通过存储已解决的子问题的解，避免重复计算。

 

3. 状态转移方程（State Transition Equation）： 定义了问题的当前状态和与之相关的子问题之间的关系。它描述了从一个状态到另一个状态的过程。

为何选择动态规划？

动态规划在解决一些最优化问题时表现出色。它被广泛用于解决多种问题，如路径规划、字符串匹配、序列比较等。动态规划的优势在于它可以高效地找到问题的全局最优解，而不仅仅是局部最优解。

 动态规划的经典问题

 1. 斐波那契数列

让我们从斐波那契数列开始，这是一个很好的入门问题。斐波那契数列的每个数字都是前两个数字的和。我们可以通过递归或动态规划来解决。

 递归实现

cpp

int fibonacci(int n) {

    if (n <= 1) {

        return n;

    }

    return fibonacci(n - 1) + fibonacci(n - 2);

}

上述递归实现虽然简单，但效率较低，存在大量的重复计算。

 动态规划实现

cpp

int fibonacciDP(int n) {

    std::vector<int> dp(n + 1, 0);

    dp[1] = 1;

    for (int i = 2; i <= n; ++i) {

        dp[i] = dp[i - 1] + dp[i - 2];

    }

    return dp[n];

}

动态规划实现通过存储已解决的子问题的解，避免了重复计算，提高了效率。

2. 最长递增子序列

考虑一个数组，我们希望找出其中最长的递增子序列的长度。这是一个典型的动态规划问题。

cpp

int lengthOfLIS(std::vector<int>& nums) {

    int n = nums.size();

    std::vector<int> dp(n, 1);

 

    for (int i = 1; i < n; ++i) {

        for (int j = 0; j < i; ++j) {

            if (nums[i] > nums