js实现--动态规划算法

动态规划的思想

它的思想就是把一个大的问题进行拆分，细分成一个个小的子问题，且能够从这些小的子问题的解当中推导出原问题的解。同时还需要满足以下两个重要性质才能进行动态规划

• 最优子结构性: 既所拆分的子问题的解是最优解。
• 子问题重叠性质: 既在求解的过程当中，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次需要计算已经计算过的子问题时，只是在表格中简单地查看一下结果，从而获得较高的解题效率

动态规划实例1：斐波拉契数列

• 计算斐波那契数列：斐波那契数列指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368…这个数列从第3项开始，每一项都等于前两项之和。
  代码如下：

//动态规划实现斐波拉契数列
    function feiBoLaQie(n) {
   
        //创建一个数组，用于存放斐波拉契数组的数值
        let val = [];
        //将数组初始化，将数组的每一项都置为0
        for(let i =0 ;i<=n;i++){
   
            val[i] = 0;
        }
        if (n==1 || n==2){
   
            return 1;
        } else{
   
            val[1] = 1;
            val[2] = 2;
            for (let j =3; j<=n;j++){
   
                val[j] = val[j-1] + val[j-2];
            }
        }
        return val[n-1];
    }

    console.log(feiBoLaQie(40));//102334155

动态规划实例2：爬梯子问题

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。
示例 1：输入： 2 输出： 2
解释： 有两种方法可以爬到楼顶。
a、1 阶 + 1 阶 b、2 阶
示例 2：输入： 3 输出： 3
解释： 有三种方法可以爬到楼顶。
a、1 阶 + 1 阶 + 1 阶 b、1 阶 + 2 阶 c、2 阶 + 1 阶
走1阶台阶只有一种走法，但是走2阶台阶有两种走法（如示例1），如果n是双数，我们可以凑成m个2级台阶，每个m都有两种走法，如果n是单数，那么我们可以凑成m个2级台阶加上一个1级台阶，这样就似乎于一个排列组合题目了，但是开销貌似比较大。
代码如下：

 //爬楼梯问题
   function climbStairs(n) {
   
       if (n === 1 || n === 2