略谈动态规划

动态规划简介

动态规划（dynamic programming)，指每一步的结果都和前面产生的结果有联系，即每一步都可以视作前面全部解的映射，步步相关，牵一发而动全身，故称作动态规划

动态规划与递归的区别

例题1：509. 斐波那契数 - 力扣（LeetCode）

斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：

F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1

给定 n ，请计算 F(n) 。

递归代码示例

int fib(int n) {
    if(n==0)
        return 0;
    if(n==1)
        return 1;
    return fib(n-1)+fib(n-2);
}

动规示例：

int fib(int n) {
        if(n==1||n==2) return 1;
    else if(n==0) return 0;
    int i,dp[n+1];
    dp[0]=0;
    dp[1]=1;
    dp[2]=2;
    for(i=2;i<=n;i++){
	dp[i]=dp[i-1]+dp[i-2];}
	return dp[n];
}

不难发现，递归的思路是从后往前，不断把大问题拆解成小问题，直到分解成基本情况，再一层层return回去。也就是说，它的逻辑是接受大问题，拆分大问题，最后通过细分的小问题的解得到大问题的解。

而动规的思路是得知递推关系式后，从已知情况向未知情况遍历，直到得到需要的结果为止。

一些动规的例题和答案

例题2：746. 使用最小花费爬楼梯 - 力扣（LeetCode）

int minCostClimbingStairs(int* cost, int costSize) {
    int dp[10000]={0};//dp表示走到第i级台阶的最低花费
    dp[0]=0;
    dp[1]=0;
    //dp[i]=min(dp[i-1]*cost[i-1],...)
    for(int i=2;i<=costSize;i++)
        dp[i]=(dp[i-1]+cost[i-1])>(dp[i-2]+cost[i-2])?(dp[i-2]+cost[i-2]):(dp[i-1]+cost[i-1]);
    return dp[costSize];
}

例题3：62. 不同路径 - 力扣（LeetCode）

int uniquePaths(int m, int n) {
    int dp[n+2][m+2];
    dp[1][1]=1;//dp[i][j]表示走到坐标(i,j)可能的路径数
    for(int x=1;x<=n;x++){
        for(int y=1;y<=m;y++){
            if(x==1||y==1){
                dp[x][y]=1;
                continue;
            }
            dp[x][y]=dp[x-1][y]+dp[x][y-1];
        }
    }
    return dp[n][m];
}

 总结

不难看出，使用动规思路解题有两个关键。其一是想清楚动规数组的下标的意义，一般从题目求解的问题出发，求什么是什么。其二是找出递推关系，并保证每个数据都能正确被递推出，否则要对特例特殊处理。

动态规划：子序列问题

例题1：

请编写一个 C 语言程序来查找两个字符串的最长公共子串（由字符串中连续的一段字符组成的字符串）

输入两个字符串str1和str2， 字符串长度范围均为[0, 200)。

输出两个字符串的最长公共子串，如果不存在公共子串，则输出“没有公共子串”；如果有多个最长公共子串，则输出str1中从左至右第一个最长公共子串。

输入1

abcdef
zcdemf

输出1

cde

输入2

abc
de

输出示例2

没有公共子串

解题思路1：暴力枚举