动态规划详解

定义：

    动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。动态规划算法的基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。

动态规划的基本步骤如下 ：

			1.刻画一个最优解的结构特征；
			2.递归定义最优解的值；
			3.计算最优解的值，通常采用自底向上的方法。   

例如：

**问题：**有一个由非负整数组成的三角形，第一行只有一个数，除了最后一行之外每个数的左下方和右下方各有一个数。从第一行的数开始，每次可以往下或右下走一格，直到走到最后一行，把沿涂经过的数全部加起来。如何走才能使得这个数尽可能的大？
**思想：**对于这样一个问题，可能大家想到的第一个解法就是递归。对于递归，我们不用想太多。因为当我们想要知道第(i, j)处的最大值时，是要依赖第(i+1， j)和第(i+1, j+1)个节点的最大值。所以，我们就可以使用递归和递推来实现。
具体代码：

/**
	 * 递推计算
	 * @param map
	 * @return
	 */
	int solve(int[][] map){
		int n = map.length;		
		int[][] flag = new int[n][n];
		for(int i=n-1;i>=0;i--){
			for(int j=0;j<=i;j++){
				if(i==n-1) flag[i][j] = map[i][j];
				else{
					flag[i][j] = Math.max(flag[i+1][j], flag[i+1][j+1])+map[i][j];
				}
			}
		}
		return flag[0][0];
	}
	
	/**
	 * 记忆化搜索
	 * @param map
	 * @param flag
	 * @param i
	 * @param j
	 * @return
	 */
	int solve2(int[][] map,int[][] flag,int i,int j){
		if(flag[i][j]>0) return flag[i][j];
		if(i==map.length-1){
			flag[i][j] = map[i][j];			
		}else{
			flag[i][j] = Math.max(solve2(map, flag, i+1, j), solve2(map, flag, i+1, j+1))+map[i][j];
		}
		return flag[i][j];
	}
	
	public static void main(String[] args) {
		Main m = new Main();							
		int[][] map = new int[][]{{1},{3,2},{4,10,1},{4,3,2,20}};
		int n = map.length;		
		int[][] flag = new int[n][n];
		System.out.println(m.solve2(map,flag,0,0));
	}