动态规划知识整理（附例题和代码）

这几天刷力扣做到了动态规划相关的题目，整理下动态规划的知识。
能应用动态规划的问题一般有以下特点：
(1) 最优化原理：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。
(2) 无后效性：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关。
(3)有重叠子问题：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）
这么说太抽象了，下面结合几个例题说明。

1.斐波那契数列

写一个函数，输入 n ，求斐波那契（Fibonacci）数列的第 n 项（即 F(N)）。斐波那契数列的定义如下：

F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
斐波那契数列由 0 和 1 开始，之后的斐波那契数就是由之前的两数相加而得出。

答案需要取模 1e9+7（1000000007），如计算初始结果为：1000000008，请返回 1。

示例 1：
输入：n = 2
输出：1

示例 2：
输入：n = 5
输出：5

题目链接：https://leetcode-cn.com/problems/fei-bo-na-qi-shu-lie-lcof/

在本问题中，F(N) = F(N - 1) + F(N - 2)，也就意味着计算当前状态与之前的状态有关，而当前状态也不会受之后的状态影响，如果使用递归解题，则需要大量的重复计算，例如F(N)和F(N-1)需要分别计算F(N-1)和F(N-2)，浪费时间。
而采用动态规划解题，只需要用一维数组dp来将第i个斐波那契数存储到dp[i]，这样计算第n个斐波那契数时只需要调用数组中的dp[i-1]和dp[i-2]。前两个数字dp[0]dp[1]对应初始化为F(0)和F(1)即可。
但是这样需要O(n)的额外空间，是否有进一步节省空间的方法呢？由于dp 第i项只与第i-1和第i-2项有关，因此只需要初始化三个整形变量tmp,a,b,利用辅助变量tmp使a,b两数字交替前进即可。
代码如下：

int fib(int n) {
   
        if (n <= 1) return n;//如果n少于等于1直接returF(N)
        int a = 0;
        int b = 1;
        for (