算法系列--动态规划

一、动态规划

  动态规划，dynamic programming。其实还是蛮头疼的，写这句话的时候也还没有完全搞懂，写这篇希望自己也可以彻底搞懂动态规划的套路。

  动态规划，通常用来求解最优化问题，是通过组合子问题的解来求解原问题，与分治方法很相似。虽然都是将一个问题拆分为一堆更小的子问题，但动态规划更强调的是拆分出的子问题是否可以被重复调用。这样，对每一个子问题的计算结果保存起来，避免不必要的计算。

  所以，其实动态规划的本质是穷举法，求解最优化问题，必然会将所有结果都结算出来，比较最值。但动态规划又不是简单的暴力计算穷举，只是不进行重复计算，从而得到最优解。

  那什么场景会使用到动态规划呢？适合动态规划方法求解的问题应该具备两个要素：

• 重叠子问题
• 最优子结构

  关于这两个要素的含义，下面进行解释一下

二、重叠子问题

如果递归算法反馈求解了相同的子问题，则称其具有重叠子问题性质。下面通过一个常见的算法问题来体验下重叠子问题的概念。

2.1 暴力递归解法

  斐波那契数列大家应该都很熟悉，用代码表示其实就是递归：

public static int fibonacci(int n) {
   
    if(n == 1 || n == 2){
   
        return 1;
    }
    return fibonacci(n -1) + fibonacci(n-2);
}

简单的用图来表示下递归过程：

  可以看到，在一个简单例子F(6)的计算过程中，已经出现了重复计算，F(4)计算了两次，F(3)计算了三次，而这个二叉树的算法复杂度则为O(2^n)，显然当F(n)计算较大时，这个算法是很低效的，而且有可能会栈溢出。

  从这个问题中我们看到了重叠子问题的性质，下面看一下动态规划思想中对重叠子问题的处理。

2.2 动态规划的思想

  仍然使用递归，但这次在自顶向下的递归算法中增加了备忘机制。

public static int dyFib(int n) {
   
	//备忘机制
    List