算法与数据结构——这张图说尽动态规划算法

前言

算法中有个专题，动态规划，它十分的重要，大厂面试中或多或少有所涉及，来网易之前，刷了部分dp，这次正好再次梳理一遍，希望对你们有一点点帮助。

如果你已经懂了dp思路，或者已经掌握了常见的dp解法，可以直接跳过。

如果你还不了解，或者知道动态规划，但是还没有开始刷题的话，可能这篇文章适合你。

点击链接c/c++ linux技术分享扫码加群即可获得更多脑图和视频电子书资料

脑图👇

 

---

如果觉得看完文章有所收获的话，可以关注我一下哦
知乎：秃顶之路 
b站：linux亦有归途 
每天都会更新我们的公开课录播以及编程干货和大厂面经
或者直接点击链接
c/c++ linux服务器开发高级架构师
来课堂上跟我们讲师面对面交流
需要大厂面经跟学习大纲的小伙伴可以加群973961276获取

---

什么是动态规划

动态规划（Dynamic Programming），因此常用 DP 指代动态规划。动态规划，首先我们得清楚，它的概念是啥，它能解决什么问题，维基百科对它的解释👇

动态规划在寻找有很多重叠子问题的情况的最佳解时有效。它将问题重新组合成子问题，为了避免多次解决这些子问题，它们的结果都逐渐被计算并被储存，从简单的问题直到整个问题都被解决。因此，动态规划储存递归时的结果，因而不会在解决同样的问题时花费时间。

动态规划只能应用于有最佳子结构的问题。最佳子结构的意思是局部最佳解能决定全域最佳解（对有些问题这个要求并不能完全满足，故有时需要引入一定的近似）。简单地说，问题能够分解成子问题来解决。

我稍微总结一下👇

• 将一个大的问题拆分成一个个子问题，我们把它称之为子结构。
• 每个最优解，也就是最优值均由[这些小规模子问题]推到而来。
• 更重要的就是利用历史记录，来避免我们重复的计算。

什么是重复计算，那怎么样可以利用历史记录来减少我们不必要的运算呢👇

我们拿斐波那契数列这题来看👇

如果我们按照这个递归的写法来看，那么它的过程如下👇

它会多次计算结果，这个符合动态规划的点，动态规划在寻找有很多重叠子问题的情况的最佳解时有效。而且对于这个问题而言，它可以继续去拆分，变成更小的子问题去解决，它也符合动态规划的预期。

那么这里只是举个例子，后续会将做题思路👇

动态规划解题三大步骤

对于初学者而言，需要短时间就掌握的话，我觉得挺难的，所以这里我推荐大家可以看看经典的动态规划👉背包九讲，点这里，看完它，或许对你有点帮助吧。

解题思路，三大步骤👇

1. 状态定义
2. 列出状态转移方程
3. 初始化状态

• • *

状态定义

• 我们需要借助数组来保存之前计算的结果，所以一般采用的就是数组来维护我们的结果，一般dp数组。
• dp数组的含义一定要明确，也就是说，dp[i]表达是啥意思，举个例子，dp[i]表达到达第i个阶梯时的方案数。
• • *