动态规划（一）

什么是动态规划？

     和分治法一样，动态规划（dynamic programming）是通过组合子问题而解决整个问题的解。

     分治法是将问题划分成一些独立的子问题，递归地求解各子问题，然后合并子问题的解。

     动态规划适用于子问题不是独立的情况，也就是各子问题包含公共的子子问题。

     此时，分治法会做许多不必要的工作，即重复地求解公共的子问题。动态规划算法对每个子问题只求解一次，将其结果保存起来，从而避免每次遇到各个子问题时重新计算答案。

适用范围

     最优性原理体现为问题的最优子结构特性。当一个问题的最优解中包含了子问题的最优解时，则称该问题具有最优子结构特性。

     最优性原理是动态规划的基础。任何一个问题，如果失去了这个最优性原理的支持，就不可能用动态规划设计求解。

     1.问题中的状态满足最优性原理。

     2.问题中的状态必须满足无后效性。

     所谓无后效性是指：“下一时刻的状态只与当前状态有关，而和当前状态之前的状态无关，当前状态是对以往决策的总结”。

动态规划算法的设计

     两种方法：

     自顶向下（又称记忆化搜索、备忘录）：基本上对应着递归函数实现，从大范围开始计算，要注意不断保存中间结果，避免重复计算

     自底向上（递推）：从小范围递推计算到大范围

动态规划的重点

    递归方程+边界条件

实例：

爬楼梯问题

     一个人每次只能走一层楼梯或者两层楼梯，问走到第80层楼梯一共有多少种方法。

     设DP[i]为走到第i层一共有多少种方法，那么DP[80]即为所求。很显然DP[1]=1, DP[2]=2（走到第一层只有一种方法：就是走一层楼梯；走到第二层有两种方法：走两次一层楼梯或者走一次两层楼梯）。同理，走到第i层楼梯，可以从i-1层走一层，或者从i-2走两层。很容易得到：

      递推公式：DP[i]=DP[i-1]+DP[i-2]

      边界条件：DP[1]=1   DP[2]=2

备忘录法实现

package dp;

import java.util.Arrays;

public class ClimbStairs {

	public static void main(String[] args) {

		long[] memorandum = new long[81];

		Arrays.fill(memorandum, 0);
		
		memorandum[1] = 1;
		
		memorandum[2] = 2;

		System.out.println(climb(memorandum, 4));

	}

	public static long climb(long[] memorandum, int n) {

		if (memorandum[n] != 0) {

			return memorandum[n];

		}

		if (n == 1) {

			return 1;

		}

		if (n == 2) {

			return 2;

		}

		memorandum[n] = climb(memorandum, n - 1) + climb(memorandum, n - 2);

		return memorandum[n];

	}

}

自底向上法

int i;  
long long dp[81]; /* 注意当n超过75时，结果值将超过int范围 */  
dp[1] = 1;  
dp[2] = 2;  
for(i=3; i <= 80; i++)  
    dp[i] = dp[i-1] + dp[i-2];