【算法设计与分析】动态规划

一、动态规划的含义

首先，我们先来说一下什么是动态规划：动态的去把一个规则去对应用的数据进行一个合理的划分。
就是利用历史数据，避免重复计算来对空间，时间复杂度进行一个更好的优化。而这些历史数据，我们一般要用一些变量来进行保存，一般我们用数组dp[ ] 来保存，普通题目我们用一维数组或二维数组保存就可以了。

二、动态规划的步骤

（1）定义数组及其含义

就是需要搞清楚dp[i]表示的具体含义。 我们一般常用数组dp[] 去保存我们的历史数据。所以，我们需要明白这个数组的含义是什么，dp[0]… …dp[i]代表的具体意义是什么。相信大家都听过爬楼梯这个问题吧，在这个问题中，dp[0]代表的是爬到第1层楼梯时有多少种方法，dp[i]代表的含义就是爬到第i+1层楼梯有多少种方法。

在面对不同的问题时，dp[i]的含义也是不一样的。

（2）找出数组元素之间的关系式（递推方程）

就是找出如何通过历史数据来推出新的元素值，或者说他们之间有什么递进关系。 例如在爬楼梯的例子中，到达n阶楼梯的方法有两种，从n-1阶或n-2阶跳上来，所以在这个问题中递推方程就是：dp[n] = dp[n-1] + dp[n-2]。

在面对实际的问题时，如果能正确列出递推方程，其实问题基本就解决一半了，这可以说是最关键的一步，但也是最难的一步。

（3）给定初始条件和边界情况

我们先找出递推方程的适用范围， 还是爬楼梯，对于递推方程dp[n] = dp[n-1] + dp[n-2]来说，n是要从2开始的，一直计算到n去，即[2,n]。然后再为不在递推方程取值范围内的前置条件手动赋值。 就比如dp[0]和dp[1]不在[2，n]中，就需要我们提前为其赋值，这样当计算dp[2]时，dp[2] = dp[1] + dp[0]才能得出对应的值。

我们考虑在第1层时，只有一种方法到达，所以dp[0]=1；
在第2层时，只有两种方法（2或者1+1）到达，所以dp[1]=2。

这样通过递推方程算出来的dp[2] = dp[1] + dp[0] = 2 + 1 = 3。而实际中爬到第3层也是有3中方法（1+1+1，1+2，2+1）的，说明我们的初始化是正确的。

以上内容谨为个人学习过程的记录，欢迎大家一起学习和指正