动态规划前序

最近在学动态规划，做一个小总结，同时也督促自己继续做总结。

1.什么是动态规划？什么样的问题适用于动态规划？
2.动态规划的特征
3.动态规划适用条件
4.常用解题步骤
5.常用模型
6.Fibonacci数列

---

1.什么是动态规划？什么样的问题适用于动态规划？
如果要求一个问题的最优解（最大值或最小值），而且该问题能够分解为若干个子问题，并且子问题之间存在重叠的子问题，则考虑使用动态规划。
使用递归解决问题时，因为有重叠子问题，会有重复计算。函数的递归调用会占用大量栈内存和时间，导致时间复杂度，空间复杂度高。

2.动态规划的特征

• 求一个问题的最优解
• 大问题可以分解为子问题，子问题之间有相互重叠的子问题（没有重叠部分可用递归解决），需要使用数据结构如数组存储中间状态
• 整体问题的最优解取决于子问题的最优解（状态转移方程）
• 从上往下分析问题，从下往上解决问题
• 需要确定边界

3.适用条件

• 具有相同的子问题，保证分割的子问题也能分割成更小的子问题
• 满足最优结构，一个决策的最优结构也是最优的
• 无后效性，每个子问题的决策不能对后面其他未解决的问题产生影响

4.常用结题步骤

1. 确定子问题：分析哪些变量随问题规模变小而变小，哪些变量与问题规模无关
2. 确定状态：根据上面找到的子问题给子问题限定状态
3. 推出状态转移方程
4. 确定边界条件
5. 确定实现方式

5.常用模型
LIS、LCS、01背包、完全背包、区间模型、树状模型

6.Fibonacci数列
使用递归解决Fibonacci数列，因为在Fibonacci数列中有重复子问题，递归会产生重复计算问题。

递归解决：

    public int getFibnacci(int i) {
        if (i == 1 || i == 2)
            return 1;
        return getFibnacci(i-1)+getFibnacci(i-2);//重复计算
    }

动态规划：

public int getFibnacci_dp(int n) {
        if (n < 1)
            return -1;
        if (n < 3)
            return 1;
        int[] dp = new int[n];//保存中间结果
        dp[0] = 1;
        dp[1] = 1;
        for (int i = 2; i < n; i++)
            dp[i] = dp[i-1] + dp[i-2];
        return dp[n-1];
    }

---

后面将对每个模型给出例子加以学习