自从动态规划出现在算法面试后，就成为求职者绕不开的“噩梦”。
动态规划的一大难点就是题型众多而又没有统一的解法。想要熟练掌握往往需要大量刷题来练习，然而，大多数人连题目都解不出，就更别说是掌握一定的解题规律了。
我曾获得全国算法竞赛金牌，参加过ACM全球总决赛。针对动态规划，我总结了一套“4步解题法”。今天通过一道经典题，我来讲讲如何用4步解题法搞定动态规划题型。
你有三种硬币，分别面值2元，5元和7元，每种硬币都有足够多。买一本书需要27元。如何用最少的硬币组合正好付清，不需要对方找钱？
第一步：确定状态
状态在动态规划中的作用属于定海神针。解动态规划时需要开一个数组，这里的“状态”就是指数组的每个元素 f[i]或f[i][j] 代表什么。 确定状态需要两个意识：最后一步和子问题
1.最后一步
这道题中，我们不知道最优策略是什么，但最优策略肯定是K枚硬币a1,a2……aK面值加起来是27。这里的“最后一步”就是存在最后一枚硬币aK。
除去aK，前面的硬币面值和为27-aK。
这里有两个关键点：
① 我们不关心前面的K-1枚硬币是怎么拼出27-aK的，也不知道aK和K，但是可以确定前面的硬币拼出了27-aK。
② 因为是最优策略，所以拼出的27-ak硬币数一定要最少（否则就不是最优策略）
2.子问题
现在问题变成了：最少用多少枚硬币可以拼出27-aK。也就是将原问题（27）转化成了一个子问题，而且规模更小（27-aK）。这种与原问题内核一致，但是规模更小的问题，就叫子问题。
为了简化定义，我们设状态f(X)=最少用多少枚硬币拼出X。所以问题就从求f(X)变成求f(X-aK) 我们目前还不知道最后的硬币aK面额多少，但它的面额一定只可能是2/5/7之一。
- 如果aK是2，f(27)应该是f(27-2) + 1 (加上最后面值2的硬币）
- 如果aK是5，f(27)应该是f(27-5) + 1 (加上最后面值5的硬币）
- 如果aK是7，f(27)应该是f(27-7) + 1 (加上最后面值7的硬币）
除此以外，没有其他的可能了。因为要求最少的硬币数，所以问题的解就可以这样表示：
f(27) = min{f(27-2)+1, f(27-5)+1, f(27-7)+1}
第二步：转移方程
设状态f[X]=最少用多少枚硬币拼出X对于任意X，f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}
实际面试中，如果正确列出转移方程，问题基本就解决一半了。 很多同学基本也可以做到写出状态转移方程，但真正写程序的时候往往会出现很多错误或问题。 这就涉及到在在代码前的两个重要步骤，就是我们4步解题法的第三步和第四步。
第三步：初始条件和边界情况
f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}的边界情况是X-2, X-5或者X-7不能小于0（硬币面值为正）
故对边界情况设定如下：
如果硬币面值不能组合出Y，就定义f[Y]=正无穷例如f[-1]=f[-2]=…=正无穷；f[1] =min{f[-1]+1，f[-4]+1,f[-6]+1}=正无穷,表示拼不出1
特殊情况：本题的F[0]对应的情况为F[-2]、F[-5]、F[-7]，按照上文的边界情况设定结果是正无穷。
但是实际上F[0]的结果是存在的（即使用0个硬币的情况下），F[0]=0。 这种用转移方程无法计算，但是又实际存在的情况，就必须通过手动定义。
所以这里定义初始条件为：F[0]=0.
而从0之后的数值是没矛盾的，比如F[1]= F[1-2]+1= F[-1]+1=正无穷（正无穷加任何数结果还是正无穷）；F[2]= F[2-2]+1= F[0]+1=1……
第四步，确定计算顺序
那么开始计算时，是从F[1]、F[2]开始？还是从F[27]、F[26]开始呢？
判断计算顺序正确与否的原则是：
当我们要计算F[X]（等式左边，如F[10]）的时候，等式右边（f[X-2], f[X-5], f[X-7]等）都是已经得到结果的状态，这个计算顺序就是OK的。
实际就是从小到大的计算方式（偶有例外的情况我们后边再讲）。
例如我们算到F[12]的时候，发现F[11]、F[10]、F[9]都已经算过了，这种算法就是对的；而开始算F[27]的时候，发现F[26]还没有算，这样的顺序就是错的。
很显然这样的情况下写一个FOR循环就够了。回到这道题，采用动态规划的算法，每一步只尝试三种硬币，一共进行了27步。算法时间复杂度（即需要进行的步数）为27*3。
听完了讲解，不妨把根据思路，把这道题再做一遍：
按照以上4步套路，基本上可以解决绝大多数类型的动态规划题。另外我在《国内大厂高频动规题详解》分析了近3年国内大厂90%的高频动规笔面试题，可以帮你搞定7大动态规划题型。
最后总结
根据这道题，我总结了动态规划4步解题法
- 确定状态
- 研究最优策略的最后一步
- 转化为子问题
- 转移方程
- 根据子问题定义直接得到
- 初始条件和边界情况
- 细心，考虑周全
- 计算顺序
- 利用之前的计算结果
按照以上4步套路，基本上可以解决绝大多数类型的动态规划题。
**此外，还有同学反馈DP的另一大难点是无法判断遇到的题目是否能用动规解法。**在这里，我也总结了可以使用动态规划的题目的提问方式：
求最大值/最小值
- 从左上角到右上角路径的最大数字和
- 最长上升子序列长度
求方案数
- 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
除了最值型动态规划，想要了解4步法在更多类型动态规划中的运用，可以来听《动态规划专题班》。
如果你碰到一个问题是以上提问方式，那么有90%的概率是使用动态规划来求解。要重点说明的是，若问题是让你求出“所有的”方案和结果，则肯定不是使用动态规划。
最后，分享我精心整理的动态规划经典题型，领悟了“4步解题法”后，不妨来考考自己，试着做一下这些题：
easy级别
medium级别
hard级别
Super hard级别
扫一扫
9万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
