什么是动态规划？为什么它比递归强? 只需要一个案例，就能讲清楚！

我记得当年刚接触到动态规划的时候，就摸不清其精髓。很多时候，看到一道动态规划题的解法，感觉自己好像懂了。但之后再尝试做一下，依旧不会用。我相信大家可能有类似的经历。所以，想借这个机会，给大家讲一下这个算法中的屠龙宝刀 - 动态规划。其实，只需要懂一个案例，就能明白它的精髓。

以下是leetcode的一道经典动态规划题目，爬楼梯。我相信大伙儿不少也碰见过。所以，我希望通过我的讲解，可以让大家更清晰得把握动态规划的本质。大家对递归都有接触过。递归的本质是什么？就是说能把一道大题拆解成类似的小题。因此，我们采取递归的形式，先把小题解决了，然后把这些小题组合起来，从而把大题解决了。经典的递归应用案例有：mergesort， fibonacci numbers，或者是汉诺塔。

据我了解，几乎所有的动态规划问题，都能被递归解决。所以很多人要问了，为什么我们需要用到动态规划呢？本质上，基础递归并不区分小题的类型，所以自然而然，有不少小题是重复的，所以有重复运算。比如拿fibonnaci numbers 来举例。当我们尝试着用递归把fib(n) 分解成 fib(n-1) 和 fib(n-2), 使得fib(n) = fib(n-1) + fib(n-2)。之后，我们尝试分解 fib(n-1) = fib(n-2) + fib(n-3) 时，我们就重复运算了一遍fib(n-2)。设计算法时，时间复杂度很重要，所以，我们不希望重复运算。因此，如何解决这个问题？很简答，我们只需要把fib(n-2) 储存起来就行了。因此，动态规划运用了储存之前对于小题目运算值的这个机制，来避免之后对类似小题目的重复运算。这就是递归和动态规划的本质区别。简而言之，动态规划是在递归思想的基础上，加上了保存运算小题目的结果。

回归到这道爬楼梯的题目。我们可以选择用递归的方式去解决。但是，假如大家仔细地想一下，就会发现，我们会重复计算低层楼梯的走法，就像我刚才提到用递归解决fibonnaci numbers。因此，我们需要用动态规划来加快我们的运算。把之前算过低楼梯层的结果保存，用于计算之后楼梯层数的全部走法总和。下面有我写得算法代码以及对它的分析，有兴趣的盆友可以看一下。

动态规划可以运用于很多场景，并且有时候，把握住写动态规划的一些小细节还是比较复杂的。但是说到底，动态规划的核心还是通过保存数据，来避免对类似题目的重复运算。我希望大家记住这点，在碰到有这样场景应用的情况下，可以适当的去用（比如一些可以用递归解决的问题）。

Problem: 70. 爬楼梯

思路

看到这道题，我就想到了用算法中的屠龙宝刀-动态规划。几乎任何的递归题都可以用动态规划解决。这道题，自然而然有递归的形式。打个比方，如果要爬到四楼，我门则可以从3楼，爬一层，或者2楼爬两层，或者从2楼爬两次一层。我们只需要用counter variable 保存之前走上前面两个台阶的走法，让后把它们加在一起，运用recursive leap of faith， 就行了。

解题方法

我们只需要把前面两个楼梯的全部走法保存，则当前楼梯的走法，则是前面两个楼梯走法的总和。为何这种方法正确呢？我们可以用递归的形式来证明。我来提供一个informal的证明。假如我们知道前面两个楼梯的全部走法，则走当前这个楼梯，我们可以走两步，或者走一步。因此，这种解法是合理且正确的。

复杂度

时间复杂度:

$O(n)$， 因为我们需要遍历一遍所有的楼梯层，到达最后楼梯层n。

空间复杂度:

$O(1)$， 只需要几个counter variable 来保存之前走过楼梯的走法综合就行了。

Code

class Solution {
public:
    int climbStairs(int n) {
        if (n == 1 || n == 2) {
            return n;
        }
        int prev_prev = 1;
        int prev = 2;
        int cur = 0;
        for (int i = 3; i <= n; i++) {
            cur = prev_prev + prev;
            int tmp = cur;
            prev_prev = prev;
            prev = tmp;
        }
        return cur;
    }
};