动态规划做题总结（一）

定义

动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程，简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。

与贪心区别

贪心是局部最优达到全局最优，每次你只需要关心拿最大还是最小即可，没有状态推导，而动规则是要从上一个状态推导得来。

解题步骤

• 明确dp数组和下标的含义
• 定义递推公式
• dp数组初始化
• 确定遍历顺序
• 举例推导dp

写题时，自己尝试推导，看和自己想的一不一样。

爬楼梯
以这道题作为切入点，

class Solution {
    public int climbStairs(int n) {
        int[] dp = new int[n + 1];//dp代表n阶需要的方法数
        //dp[i] = dp[i - 1] + dp[i - 2] 递推公式定义
        if(n <= 1) {
            return n;
        }
        dp[0] = 1;
        dp[1] = 1;//dp数组初始化，0没有实际意义
        for(int i = 2;i <= n;i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }
        return dp[n];
    }
}

dp[0]是没有实际意义的，它可以解释成直接在楼顶上也是一种方法，也可以解释成什么都不做，方法数是0，其实在这道题里，他没有实际含义，n是一个正整数，你完全可以把它初始化从1开始。
优化
它可以仅维护两个数值就行了。

进阶
到n阶可以一次跳1，跳2，跳m，有多少种方法，其实也是一样的，dp[i] = dp[i-1] + … + dp[1];它是一个完全背包问题。

		dp[0] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                if (i - j >= 0) dp[i] += dp[i - j];
            }
        }
        return dp[n];

使用最小花费爬楼梯

class Solution {
    public int minCostClimbingStairs(int[] cost) {
        int n = cost.length;
        int[] dp = new int[n+1];//dp数组的含义是到达第i个台阶的最低花费
        dp[0] = cost[0];
        dp[1] = cost[1];
        for(int i = 2;i < n;i++) {
            dp[i] = Math.min(dp[i - 1],dp[i - 2]) + cost[i];
        }
        return Math.min(dp[n - 1],dp[n - 2]);
    }
}

这道题也一样，首先你要明确dp数组的含义，题目中要求最小体力，所以把dp设为爬到i阶所需要的最小体力。因为可以选择爬一个和爬两个，所以需要初始化两个值，我们认为爬第一个台阶也需要消耗体力，这很好理解，最后一个不需要，因为已经支付过了。