动态规划（算法）

概述：

动态规划是一种解决多阶段决策问题的优化方法。它通过将问题分解为多个子问题，并且通过解决子问题得到最优解。动态规划的核心思想是利用子问题的最优解来构建原问题的最优解。

注意事项：

1.  递归求解中会重复计算子问题，我们要利用历史记录来避免。通常使用一维或二维数组来保存。

2.  空间复杂度：O(mn)，即为存储所有状态需要的空间。有时关系只存在于相邻行，因此我们可以使用滚动数组代替代码中的二维数组，使空间复杂度降低为 O(n)。此外，由于我们交换行列的值并不会对答案产生影响，因此总可以通过交换 m 和 n ，这样空间复杂度降低至 O(min⁡(m,n))

动态规划的步骤：

1.  定义数组的元素，知道dp[m][n]代表什么

注意：我们会找最基础的作为子问题，而不是去思考各种复杂情况（见例题第一个）

2.  找出数组元素之间的关系式

3.  找出初始值

4.  给数组循环赋值

例题

这题我们的子问题是第i天，两种情况，值为最大利润。重要的是把每一种情况都分清楚

定义状态 dp[i][0]\textit{dp}[i][0]dp[i][0] 表示第 iii 天交易完后手里没有股票的最大利润，

dp[i][1]\textit{dp}[i][1]dp[i][1] 表示第 iii 天交易完后手里持有一支股票的最大利润

//未使用历史记录，简单的递归，会造成重复计算从而超时

class Solution {
public:
	int uniquePaths(int m, int n) {
		return Paths(m, n);
	}

	int Paths(int m, int n) {
		if (m == 1||n==1) {
			return 1;
		}
		else {
			return Paths(m - 1, n) + Paths(m, n - 1);
		}
	}
};

class Solution {
public:
    int uniquePaths(int m, int n) {
        vector<vector<int>> f(m, vector<int>(n));
        for (int i = 0; i < m; ++i) {
            f[i][0] = 1;
        }
        for (int j = 0; j < n; ++j) {
            f[0][j] = 1;
        }
        for (int i = 1; i < m; ++i) {
            for (int j = 1; j < n; ++j) {
                f[i][j] = f[i - 1][j] + f[i][j - 1];
            }
        }
        return f[m - 1][n - 1];
    }
};