【C++】动态规划入门

动态规划是很多人的烦恼，尤其是竞赛党（OIer），因为动态规划既是重点，又是难点，让很多人头痛不已。动态规划在NOIP中占到了不小的一部分，并且难度比较大。
那么，我们来一点一点地学习动态规划，先从入门开始。

动态规划入门

动态规划（dp）是研究多步决策过程最优化问题的一种数学方法。在动态规划中，为了寻找一个问题的最优解（即最优决策过程），将整个问题划分成若干个相应的阶段，并在每个阶段都根据先前所作出的决策作出当前阶段最优决策，进而得出整个问题的最优解。即记住已知问题的答案，在已知的答案的基础上解决未知的问题。
动态规划在时间复杂度上虽略差于贪心，但结果比贪心准确。
动态规划有两种实现方法，一种是递推，另一种是记忆化搜索。两种方法时间复杂度完全相同，但是，递推的效率要比记忆化搜索高不少，而且以后的大量优化技巧都建立在递推上（滚动数组、单调队列、斜率优化……）。所以，我们一般用递推来写动态规划。

其实，动态规划，说白了，就是高级一点的递推。

能采用动态规划求解的问题的一般要具有3个性质：
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）

解题步骤：
1、拆分问题；
2、定义状态并找出初状态；
3、状态转移方程（这一条是不是很像递推）。

例题

通过三道题来学习一下

1.斐波纳契数列

没错，又是它！斐波纳契数列，让你求第n项。
有人会问：这不是递归的经典例题吗？跟动态规划有什么关系？
确实，这是一道经典的递归例题。

int dfs(int n)
{
   
	if(n<=2) return 1;
	else return dfs(n-2)+dfs(n-1);
}

是不是so easy!
如果我说：禁用递归！怎么办？
一样很简单，用个数组就完事：

dp[0]=dp[1]=0;
for(int i=2;i<=n;i++)
	dp[i]=dp[i-1]+dp[i-2