动态规划算法

动态规划

概念：动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。
与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。

Dp 分析法， 确定 状态表示（化零为整）有限集合的最值，状态计算（化整为零）。

状态表示：（每次枚举一个子集合，用某个状态表示（记录），避免重复计算子问题）

1. 集合： 集合表示的含意 （一般使用数组来记录，计算过的数据）

2. 属性： MAX, MIN, 数量

状态计算：

1. 状态转换（把集合划分成小集合，一般以最后一个作为划分依据）
   1. 不漏
2. 不重（可以重叠，因为集合属性是求最值，A,B,C选最大，就算B重复计算也不影响最后结果）

70. 爬楼梯 - 力扣（LeetCode）

dp[i]表示 走到第i级台阶 共有多少中走法， 属性 ：数量

状态转换： 走到第 i 级台阶可以由 第 i-1 级走一步， 第 i - 2级走两步 到达，求数量，故，是两者之和，

​ dp[i] = dp[i-1] + dp[i-2];

class Solution {
    public int climbStairs(int n) {
        int[] dp = new int[50];
        dp[1] = 1;
        dp[2] = 2;
        for (int i = 3; i <= n; i++)
            dp[i] = dp[i-1] + dp[i-2];
        
        return dp[n];
    }
}

//优化空间复杂度， 状态转换，只有用到了前两个结果
class Solution {
    public int climbStairs(int n) {
        int[] dp = new int[2];
        dp[0] = 1; //dp[0] 第一级的走法
        dp[1] = 2;
        for (int i = 3; i <= n; i++) {
            dp[(i-1) % 2] = dp[0] + dp[1];
        }
        return dp[(n-1)%2];

    }
}

746. 使用最小花费爬楼梯 - 力扣（LeetCode）

其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用，即可选择向上爬一个或者两个台阶。

要求能到顶部， 购买了就能到该台阶，并可以选走1， 2步， 即结果购买到 n - 1, 或 n - 2级就可以了

状态表示： f[i] 用最少走到了第 i 级台阶， 属性： min

状态转换：求最小， 走到第i级台阶可以由 i-1， i-2 走来，到 i级 要购买

​ f[i] = min(f[i-1], f[i-2]) + cost[i]

class Solution {
    public int minCostClimbingStairs(int[] cost) {
        int[] f = new int[] {cost[0], cost[1]};
        int n = cost.length;
        for (int i = 2; i < n; i++) {  // 计算到走完所有台阶
            f[i%2] = Math.min(f[0], f[1]) + cost[i];
        }
        return Math.min(f[0], f[1]);
    }
}