算法提升总结之动态规划一

动态规划：用来求解多阶段决策的最优化问题，其题目类型多，没有固定模板，难度中上。

1. 动态规划的设计思想

动态规划法将待求解的问题分解成若干个相互重叠的子问题，每个子问题对应决策的一个阶段。一般来说，子问题的重叠关系表现在对给定问题求解的递推关系（称之为动态规划函数）中。
一般来说，动态规划法的求解过程可分为以下四个阶段：

1. 确定状态。
2. 转移方程
3. 初始条件和边界情况
4. 计算顺序

2.动态规划题目特点

• 计数

      - 有多少种方式走到右下角
      - 有多少种方法选出k个数使得和是Sum
  

• 求最大最小值

      - 从左上角走到右下角路径的最大数字和
      - 最长上升子序列长度
  

• 求存在性

      - 取石子游戏，先手是否胜利
      - 能不能选出k个数使得和是Sum
  

3.例题 Coin Change–最大最小动态规划

分析：

例子：coins = [2,5,7],amount = 11.

	  1. 确定状态：
  		      - 最后一步（最优策略中使用的最后一枚硬币a）.
  		      - 化成子问题（最少的硬币拼出更小面值27-a）
               设状态f[X]=最少用多少枚硬币拼出X；
	  2. 转移方程：f[X] = min{f[X-2]+1,f[X-5]+1,f[X-7]+1};
	  3. 初始条件和边界情况：
  			- 初始条件： f[0] = 0;
  			- f[X] = min{f[X-2]+1,f[X-5]+1,f[X-7]+1};
  			- 两个问题：X-2,X-5或X-7小于0怎么办？什么时候停下来？
  			- 如果不能品出Y，则f[Y]=正无穷。
	  4. 计算顺序：
            初始条件：f[0] = 0,
            计算，f[1],f[2]......f[X];

代码：

	int CoinChange(int[] A, int M) {
   
		int[] f = new int[M+1];
		int n = A.length;
		f[0] = 0;
		int i,j;
		for(i