理解动态规划

1. 理解动态规划

1.1 递推！（递归+记忆化）

1.2 状态的定义：opt[n], dp[n], fib[n]

1.3 状态转移方程：opt[n] = best_of(opt[n-1], opt[n-2], …)

1.4 最优子结构

2. 动态规划例子

2.1 斐波那契数列

2.2 count the paths（计算路径数）

2.2.1 递归解法

解释：小人只能向右走，或者向下走。

int countPaths（boolean[][] grid, int row, int col）{
   if (!validSquare(grid, row, col)  // 遇到石块，走0步！
        return 0;
   if (isAtEnd(grid, row, col))  // 走到end，只需一步！
        return 1;
    // 向下走的个数+想右走的个数！
    return countPaths(grid, row-1, col) + countPaths(grid, row, col+1);
}

2.2.2 动态规划解法

解释：从end位置开始，往上递推！

package DP;

public class _62_uniquePaths {
    public int uniquePaths(int m, int n){
        int[][] dp = new int[m][n];
        for (int i = 0; i < m; i++){
            dp[i][0] = 1;
        }
        for (int j = 0; j < n; j++){
            dp[0][j] = 1;
        }
        for (int i = 1; i < m; i++){
            for (int j = 1; j < n; j++){
                dp[i][j] = dp[i-1][j] + dp[i][j-1];
            }
        }
        return dp[m-1][n-1];
    }
}
// 时间复杂度O(M)(N)

3. DP vs 贪心 vs 回溯

3.1 回溯（递归） ——重复计算（傻）

3.2 贪心——永远局部最优（贪图眼前利益）

3.3 DP——记录局部最优子结构/多种记录值（开上帝视角，走向人生巅峰）