动态规划，不用递归，也能酷酷解决！

---

前言

学无止境，笔勤不辍。前面，我们谈到了算法中一种很重要的思想：分治，它的运用实在是十分广泛，不仅可以用于排序，同时也可运用到动态规划问题中。本文将会由一个爬梯子的问题/斐波拉契数开始，到流水线最短挑选，分享一下动态规划问题，后续还会讲矩阵链乘。

---

一、爬梯子/斐波拉契数

小A喜欢在楼梯上跳来跳去，但年幼的他一次只能走上1阶或者2阶。 现在一共有N阶台阶，请你计算一下小明从第0阶到第N阶共有几种走法。
为了简化问题，我们将N设置为10展开讨论。

图有点丑哈哈哈哈，将就理解一下
若我们要求登上第10级台阶的方法数，可以是第8级台阶直接上2级（因为如果第8级上1级到第九级，然后再上1级到第10级，其实和后面的有重复），也可以是第9级台阶上1阶，那也就是说，我们只要知道了上第8级的方法数，和上第9级台阶的方法数，那上第10级台阶的方法数就是它们之和：

然后如果台阶数是1，我们很容易知道只有1种方法，台阶数是2，则有2种，那么整体的递归表达式就可以是：

然后我们就可以递归调用了
这里在介绍一种优化的方式，就是创建一个数组从第三个数开始由前两个数，两两相加，当n>=3的时候，数组下标为n-1的就是我们要求的结果
上代码：

 def fib(self, n):
        """
        """
        if n==0:
            return 0
        if n ==1:
            return 1
        #return self.fib(n-1)+self.fib(n-2) 方法一：递归调用
        num = [0,1]
        for i in range(len(num),n+1):
            num.append(num[i-2]+num[i-1])
        print(num)
        return num[n]

这里的下标要注意。

二、流水线最短挑选

在一工厂里有两条装配线并行生成汽车, lines 1 and 2
每条装配线有 n 个装配站 Si,1…Si,n , i =1, 2
设对于每个 j, S1, j 和S2, j 的功能相同, 但装配时间不同，对Si, j 的装配时间为 ai, j
汽车装配可以从一条装配线移到另一条装配线，从装配站Si, j 移到到另一条装配线上的时间为ti, j , i=1, 2 and j =1, 2, … , n-1
汽车进入装配线的时间为 ei ，汽车离开装配线的时间为 xi
问：确定在装配线1内选择哪些站，以及在装配线2内选择哪些站，以使汽车装配的总时间最小。
首先我们上图理解一下这个意思：

我们要求找到总时间最小的线路，其实就是要找到，到达S1，n 和S2，n的最短时间的路线。
以S1,n为例：
到达S1,n的路线有两条，一条是S1,n-1 加上时间a1,n 另一条是 S2,n 加上转移时间t2,n-1 加上时间a1,n，两者比较取最小值。因此我们只要知道到达S1,n-1和到达S2,n-1的最短路径，就挑选最短线路了，因此，S1,j的递归表达式就可以写成：

同理S2,j的表达式：

最终：

然后这里写一段伪代码供大家参考：

FASTEST-WAY(a,t,e,x,n)
 f1[1] ← e1+ a1,1
 f2[1]← e2 + a2,1
 //按照递推公式来就可以
  for j←2 to n
     do if f1[j-1]+a1,j <= f2[j-1]+t2,j-1+a1,j
     then f1[j]← f1[j-1]+a1,j
     l1[j]←1//是为了重建路线的
    else f1[j]← f2[j-1]+t2,j-1+a1,j
        l1[j]←2
   if f2[j-1]+a2,j <= f1[j-1]+t1,j-1+a2,j
   then f2[j]← f2[j-1]+a1,j
   l2[j]←2
  else f2[j]←f1[j-1]+t1,j-1+a2,j
  l2[j]←1
 if f1[n]+x1<=f2[n]+x2
   then f* = f1[n]+x1
   l*=1
 else f* = f2[n]+x2
 l* =2

tips：动态规划一般都可以用递归调用解决，但是我们一般不用hahaha！
用数组的方式可以使得算法的时间复杂度降低到O(N)!!!

---

总结

以上就是今天要讲的内容，动态规划还是蛮有意思的，接下去笔者也会更新更多的有关动态规划的例子，请大家关注一波~~~