动态规划（斐波那契数列、爬楼梯、青蛙跳台阶、最少花费爬楼梯问题）

记录第一天动态规划

1.什么是动态规划

在一些问题的解决过程中，如果该过程可以分为若干相互联系的阶段，每个小的阶段都需要作出决策，每个决策不仅是依赖于之前面临的状态，同时又影响以后的状态，即引起状态的转移。在解决这个多阶段的最优化的过程称为动态规划方法。

2.基本使用步骤

算法都是都方法和技巧的，尤其是这样模块的问题，从现在开始包括以后我需要记录我现在的方法，

2.1将问题进行划分

任何一个问题都先进行分析，这个问题是需要什么方法可以解决，举例来说，如果某个问题涉及到多阶段多决策，目标是求解最值问题，那么这个问题可以使用动态规划进行。这一步需要回扣概念，看是否可以满足条件。

2.2找出状态变量

所谓的状态变量就是在多阶段过程中的不同的状态，在求解动态规划的问题时候，通常使用二维数组或者一维数组进行表示。

2.3状态转移方程

这是动态规划的问题的难点和核心的地方，如何写出转移状态方程是很难的，这个时候就是要分析其中的关系了。

2.4寻找边界条件

给出的状态方程不是无限的进行的，方程的目的就是求出最优的解，因此我们在最后的输出的时候如何进行判断最后的是很重要的。

3.入门级例题

1. 分析

按照之前的步骤，对问题进行分析。该问题可以分解为题目中给的关系，当前的n这个阶段的结果不仅是影响下一个阶段的结果，还受到上一个阶段的结果的影响。
状态变量需要确找到，这里的状态变量就是F(n)
状态转移方程需要明确，F(n) = F(n-1)+F(n-2)这就是状态转移方程。
最后找到决策边界，这个是题目中给的n。

2.代码

爬楼梯

爬楼梯这个方法斐波那契数列是一样的，也就是到达n级台阶的方案数和前一级台阶或者前两级台阶上来的是一样的，所以状态转移方程是一样的，边界条件，f（0）=0；f（1）=1。

   public int climbStairs(int n) {
        int[] dp = new int[n+1];
        dp[0] = 1;
        dp[1] = 1;
        for(int i=2;i<=n;i++){
            dp[i] = dp[i-1]+dp[i-2];
            }
            return dp[n];

    }

青蛙跳台阶问题

这个问题和上面的问题是一模一样的，只是初始的边界条件是不一样的。

动态规划之最少花费爬楼梯

class Solution {
    public int minCostClimbingStairs(int[] cost) {
        // 前一步和前两步就是谁小看谁
        int[] dp = new int[cost.length];
        dp[0] = cost[0];
        dp[1] = cost[1];
        for(int i=2;i<cost.length;i++){
            dp[i] = Math.min(dp[i-2],dp[i-1])+cost[i];

        }
        return Math.min(dp[cost.length-2],dp[cost.length-1]);


    }
}

欢迎批评指正，欢迎关注我的力扣：羊村儿的希望

.