目录
（一）动态规划的简介及解题思路
1.什么是动态规划？
DP定义：
动态规划是分治思想的延伸，通俗一点来说就是大事化小，小事化无的艺术。
在将大问题化解为小问题的分治过程中，保存对这些小问题已经处理好的结果，并供后面处理更大规模的问题时直接使用这些结果。
动态规划具备了以下三个特点
1. 把原来的问题分解成了几个相似的子问题。
2. 所有的子问题都只需要解决一次。
3. 储存子问题的解。
2.动态规划的一般思路
动态规划的本质，是对问题状态的定义和状态转移方程的定义(状态以及状态之间的递推关系)
动态规划问题一般从以下四个角度考虑：
1. 状态定义——目前的定义一个中间状态下，需要考虑的问题
2. 状态间的转移方程定义 ——在上一个状态一步转移到这个状态
3. 状态的初始化——在程序开始的阶段，我们需要怎么样的设定，来进入这个转移方程
4. 返回结果——返回最终的结果
状态定义的要求：定义的状态一定要形成递推关系。
一句话概括：三特点四要素两本质
适用场景：最大值/最小值, 可不可行, 是不是，方案个数。
可能你看到这里因为过于抽象，理解有些难度，大概总结一下，首先我们要定义一个F（i）（或者一元状态无法描述时，定义二元F（i，j）），在这里假设我们已经知道了上一步的结果，我们在这里想如何让上一步进行某些操作来转化到这一步，通过这个转化关系，我们定义出状态转移方程。
这个方程需要适应题目的规律，什么意思呢？就是在任意一个状态下（代入任意i值），都可以用这个状态转移方程来得到答案。而如何来写状态转移方程，这就是一个难点了，就是随机找到一个过程，上个过程的结果F（i-1）已知，至于上个过程如何得到的结果，这里我们不关心（有点像贪心算法）然后再进行一定的验证，没有问题之后，来给这个公式的开始状态带入初始的、确切的数据（初始化状态），使它根据初始值 和利用状态转移方程把后面的数据求出来，并返回最后的一项（返回值），即答案。
总结一下：（1）根据题目描述获取问题 F（n），并先将 F（n）拆解成小部分，如下图所受
F（2）：定义状态转移方程，保证在这个方程中，任意相邻的两个状态，从左到右，这个方程都适用。
补充理解：
关于上面所提到的“只关心这一步的值”我们怎么理解呢？其实就是根据状态转移方程，在前面i-1个过程中所得到当前结果已经是i-1个的过程已经求得，我们只要关心如何利用前i-1个状态转移到第i个状态即可。
每个过程都这么考虑，最后的得到的F（n）就是最终的前n个（即全部）状态的结果 。
（二）动态规划的常见题型及方法总结
1.斐波那契数列（Fibonacci）
题目网址链接：
牛客链接：
经典类型问题，有许多种解法，也有不同的时间、空间复杂度。在这里，我们考虑使用动态规划的方法来分析这个问题。
在这里首先定义状态，所谓的状态就是你要对其中一步，得到该步骤答案的过程，在这里的状态是F(i)表示i的值是多少的一种状态，然后就根据斐波那契数列公式来定义它的转移方程，并按照题目种已经给出的F(0)F(1)来定义初始值。
根据上述分析 来进行 首先3步走：
状态：F（i）：第i项的值是多少。
状态转移方程：F（i）=F（i-1）+F（i-2）
初始状态：F（0）=0 F（1）=0
返回值：F(n)
根据上述内容画出表格：
代码实现：
class Solution {
public:
int Fibonacci(int n) {
int* F=new int [n+1];
F[0]=0;
F[1]=1;
for(int i=2;i<=n;i++){
F[i]=F[i-1]+F[i-2];
}
return F[n];
}
};附传统递归算法进行参考：（栈溢出）
class Solution{
public: int Fibonacci(int n){ // 初始值
if (n <= 0){ return 0; }
if (n == 1 || n == 2) { return 1; }// F(n)=F(n-1)+F(n-2)
return Fibonacci(n - 2) + Fibonacci(n - 1); } };2.字符串分割(Word Break)
题目链接：
简要分析：
我们还是按照原本的方式，首先定义状态，在这里状态不好定义，我们可以尝试的去想一下这个过程步骤，首先肯定是从头开始切，先切第一个字母，然后看第一个字母是否作为一个单词在词典中找到，然后如果不是的话，那我们就继续往下切，看看前两个字母组成的单词是否可以在词典中找到。如果前面的单词在词典中找到的话，那我们就要分析从切点往后的字母组成的单词是否可以找到，如果这个同时也可以找到，说明整个单词就可以被切分。
这里我们总结以下刚才的分析，我们可以定义F（i）表示前i个字符是可以被切割的，假设”leet“ ”code”是词典中的两个有效单词，这里我们以leet code为例，leetcode是“leetcodeaaabbb”字符串中中的一小部分，如何知道“leetcode”（该字符串中的前8个字符）是可以切分的呢，满足两点，第一（1-4字符）“leet”可以切分有效单词，第二“code（5-8字符）”为有效单词。
假设不是leetcode为前8个字符，假设是任意8个字母变为该字符串中的前8个字符，那么怎么判断前8个字符是否有效呢？
总结为表达式为：
在这8中情况中，只要满足一种，说明前8个字符可以拆分，这个时候我们其实就可以想到了其整个过程，画图手写如下：
老样子，三步走：
代码实现如下：
class Solution{
public:
bool wordBreak(string s, unordered_set<string> &dict){
if (s.empty()){ return false; }
if (dict.empty()){ return false; }
vector<bool> can_break(s.size() + 1, false); // 初始化F(0) = true
can_break[0] = true;
for (int i = 1; i <= s.size(); i++){
for (int j = i - 1; j >= 0; j--){
// F(i): true{j <i && F(j) && substr[j+1,i]能在词典中找到} OR false
// 第j+1个字符的索引为j
if (can_break[j] && dict.find(s.substr(j, i - j)) != dict.end()){
can_break[i] = true;
break; }
}
}return can_break[s.size()]; }
};3.三角矩阵(Triangle)
题目链接：
首先看到题目的时候，通过前两道题，我们应该掌握到了一定的规律，这里状态不难定义，就是F（i）为从顶到i当前的最小路径和，但是这个地方有一个问题，这是一个二维平面的数组，我们想要确定一个数不能以简单的i一个值来判定了，所以这里我们就引进了二维状态。
问： 什么是二维状态？
答：由 i 和 j 两个变量描述的状态。
问： 什么时候用二维状态？
答：当一个变元已经没有办法确定地描述当前状态地时候，我们就引进两个变量。
这样，用 i j 表示 i 行 j 列的元素就可以了，好了，现在难点只有一个了，就是我怎么保证到第i行j列时，是从上一个i-1 ，j-1 取最小路径过来的呢？
我们可以观察一下，首先三角形边上的数据，到达他们的路径只有一条——沿着边走。
那么到达他们的只可能是F（i-1，j）（开头数据）或者F（i-1，j-1）
而对于非边的数据， 只能是F（i-1，j-1）和F（i-1，j）两者当中的最小值再加上当前值。例如：
图示：
代码如下：
class Solution { public: int minimumTotal(vector<vector<int>> &triangle) {
if (triangle.empty()){ return 0; }// F[i][j], F[0][0]初始化
vector<vector<int>> min_sum(triangle);
int line = triangle.size();
for (int i = 1; i < line; i++){
for (int j = 0; j <= i; j++){ // 处理左边界和右边界
if (j == 0){
min_sum[i][j] = min_sum[i - 1][j];
}
else if (j == i){
min_sum[i][j] = min_sum[i - 1][j - 1];
}
else{
min_sum[i][j] = min(min_sum[i - 1][j], min_sum[i - 1][j - 1]);
}// F(i,j) = min( F(i-1, j-1), F(i-1, j)) + triangle[i][j]
min_sum[i][j] = min_sum[i][j] + triangle[i][j];
}
}int result = min_sum[line - 1][0];
// min(F(n-1, i))
for (int i = 1; i < line; i++){
result = min(min_sum[line - 1][i], result);
}
return result; }
}；
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
