二维空间的dp详解(自顶向下and自底向上)

例题：

准备了两道做法几乎相同的二维空间的dp题目

题目一：LeetCode-64最小路径和
Leetcode64
题目二：蓝桥杯-跳跃
跳跃

两者区别只在于子问题的个数，题目一的个数只有2个方向，而题目二有9个方向。

自顶向下的好处

1. 有助于理解dfs、bfs等等算法。
2. 相比自底向上来说，前期虽然痛苦，但是当你清楚结果体系，熟悉后，你会发现写dp递归法比递推法写的快得多。
3. 容错性大，就是用递推方法的话，可能会被一些判断的小错误绊住脚，而递归方法只要base case不出差错，一般没有问题。

自顶向下的函数结构详解：

dp函数的结构(可结合代码画递归树理解)无非就是：

• 递归树的叶子结点的跳出条件->对应base case(决定子问题的深度(个数))、base case一般为最简单的题解子状态
• 递归函数的主体->对应状态转移方程(递归树的展开)。
• 非叶子结点(子问题)的跳出条件->将return结果写在递归树展开的后面即可 总的过程：通过状态转移方程不断将递归树延伸，直到触及base case停止延伸，往前执行之前的递归，这样就完成了每个非叶子结点的结果跳出，最终得到题解。

但要是这样写的话很快就会超时，原因是：递归树上可能大量结点重复计算，这个时候就需要一个备忘录一样的东西将以及计算好的题解保存，可将备忘录添加到base case中来，实际上我说的base case决定递归树的深度不完全正确，准确来说应该是决定子树的深度，因为递归过程实际上是一个入栈和出栈的过程，所以首先计算的是最深的那颗树。

划重点：

递归的结构：

1. base case (决定递归树深度，叶子结点的结果)
2. 状态转移方程(决定递归树的延伸方式)
3. 处理完子问题的返回(决定非叶子结点的处理结果)

递归的原理：

这方面也没办法讲的明白，递归实际上就是一个后进先出的栈的形式，即递归就是入栈和出栈的过程，根据递归树结合深搜理解是最好的。

题目一（强烈建议用递归法）：

DP函数递归解决：

int dp(vector<vector<int>>& grid,vector<vector<int>>&memo,int x,int y){
   
      if(x<0||y<0) return 666;
      //base case:
      if(x==0&&y==0) return grid[x][y];
      if(memo[x][y]!=-1) return memo[x][y];
      
      //condition transfer:
      int a = min(dp(grid,memo,x-1,y),dp(grid,memo,x,y-1));
      //更新备忘录
        memo[