【思路详解+详细注释】小白都能看懂的力扣算法详解——动态规划

        动态规划（Dynamic Programming, DP）是一种通过将复杂问题分解为更小的子问题来解决的问题求解方法。与分治法类似，动态规划适用于具有重叠子问题和最优子结构性质的问题。它通过保存子问题的解，避免重复计算，从而提高效率。

一 动态规划的核心思想

1.重叠子问题：问题可以分解为若干子问题，并且这些子问题会被多次重复计算。

2.最优子结构：问题的最优解可以通过子问题的最优解构造出来。

3.状态转移方程：通过状态转移方程，利用子问题的解来推导出原问题的解。

二 动态规划的实现方式

1.自顶向下（递归 + 记忆化），即从大问题出发，逐步解决子问题并缓存结果。

2.自底向上，即从最简单的子问题开始，通过状态转移方程一步步推导出原问题的解。

三 经典动态规划问题：斐波那契数列

斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：

F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1

给定 n ，请计算 F(n)。

509. 斐波那契数 - 力扣（LeetCode）

解法一：自顶向下的动态规划

class Solution {
    private static Map<Integer, Integer> memo = new HashMap<>();
    public int fib(int n) {
        // 基础情况
        if (n == 0) return 0;
        if (n == 1) return 1;

        // 如果已经计算过，则直接从缓存中获取
        if (memo.containsKey(n)) {
            return memo.get(n);
        }

        // 否则递归计算，并将结果缓存
        int result = fib(n - 1) + fib(n - 2);
        memo.put(n, result);
        
        return result;     
    }
}

        每次计算 fib(n) 时，先检查memo中是否已有结果，如果有直接返回，否则递归计算并将结果存入memo。

解法二：自底向上的动态规划

class Solution {
    public int fib(int n) {
        // 如果 n 为 0 或 1，直接返回 n
        if (n == 0 || n == 1) return n;

        // 用数组保存前面两个斐波那契数
        int[] dp = new int[n + 1];
        dp[0] = 0;
        dp[1] = 1;

        // 自底向上计算每一个斐波那契数
        for (int i = 2; i <= n; i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }

        return dp[n];
    }
}

        用一个数组 dp 来存储每个位置的斐波那契数，从 0 和 1 开始，一步步推导出 n 的值。

解法三：空间优化的动态规划

public int fib(int n) {
        // 如果 n 为 0 或 1，直接返回 n
        if (n == 0 || n == 1) return n;

        // 初始化前两个斐波那契数
        int prev1 = 0, prev2 = 1;

        // 从第三个斐波那契数开始计算
        for (int i = 2; i <= n; i++) {
            int current = prev1 + prev2;
            prev1 = prev2;   // 更新 prev1 为前一项
            prev2 = current; // 更新 prev2 为当前项
        }

        return prev2;
    }

        通过 prev1 和 prev2 两个变量代替数组来存储前两个斐波那契数，从而将空间复杂度从 O(n) 优化为 O(1)。