随笔

动态规划构造dp数组的思路：构造的dp数组要含义明确（dp数组的含义决定了后续代码的结构），且要便于归纳（说白了就是从已知推导未知，便于寻找状态转移），要明确base case是什么（这一点很重要），和base case同等重要的是end case也就是要求的结果在数组中的那个位置（不同的问题对应的解存在位置不同，有的是dp[m][n](右下角），有的是dp[0][n]（右上角），要具体问题具体分析）。

确定了dp数组的含义之后，就要寻找其base case，然后分析其状态转移情况，用正确的遍历方式（正向遍历，反向遍历，斜向遍历（要确保用已知的状态求未知的状态））确保正确的状态转移。

明确「状态」 -> 定义 dp 数组/函数的含义 -> 明确「选择」-> 明确 base case

状态转移⽅程 写状态转移⽅程很简单，⾸先要找到所有「状态」和每个状态可以做的「选 择」，然后择优

比如鼓楼扔鸡蛋问题的「状态」很明显，就是当前拥有的鸡蛋数 K 和需要测试的楼层数 N 。随 着测试的进⾏，鸡蛋个数可能减少，楼层的搜索范围会减⼩，这就是状态的 变化，「选择」其实就是去选择哪层楼扔鸡蛋。

现在明确了「状态」和「选择」，动态规划的基本思路就形成了：肯定是个 ⼆维的 dp 数组或者带有两个状态参数的 dp 函数来表⽰状态转移；外加 ⼀个 for 循环来遍历所有选择，择最优的选择更新状态：
$$dp(K,N)=\underset{0<=i<=N}{\min }\max dp(K-1,i-1),dp(K,N-i)+1$$

总而言之，要想快速准确地构造合适的dp数组，唯有勤学苦练，见多识广，举一反三，融会贯通。