动态规划算法

动态规划算法，主要是指求解最优解时用的一种算法。

在背包问题，最短路径问题，资源分配问题上有良好的应用效果。

使用动态规划的前提条件是：满足 最优化原理和 无后效性

最优化原理：

一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的决策必须构成最优策略。简而言之，一个最优化策略的子策略总是最优的。

无后效性

将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它未来的决策，而只能通过当前的这个状态。换句话说，每个状态都是过去历史的一个完整总结。这就是无后效性。

动态规划主要解决子问题的重叠性

动态规划算法的关键在于解决冗余，这是动态规划算法的根本目的。动态规划实质上是一种以空间换时间的技术，它在实现的过程中，不得不存储产生过程中的各种状态，所以空间复杂度会增加。

解决动态规划问题的思路：

找到最优子结构，写出状态转移方程。

以Fibonacci数列为例：

最优子结构即为:当前值 = 前两项之和。

def F(n):
    # 初始化列表
    A = [0]*n
    A[1] = 1
    # 构建dp方程
    for i in range(2,n):
        A[i] = A[i-1] + A[i-2]
    print(A)
F(10)

#output
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]