动态规划①------从小白开始学习动态规划！

        在班上某位acmer的推荐下，入门了以下网站：https://oi-wiki.org/（听说是由某位高中生大佬开发的！佩服~）

        在里面有很多关于动态规划的知识点，以及各种不同动态规划类型的题目。

        就我而言，我觉得动态规划其实就是把一些解题要用到的数据保存下来，避免重复计算。

        至于动态规划的需要满足的三个条件：①最优子结构，②无后效性，③子问题重叠，大家就自行在里面观看吧，毕竟既然写在这里的题目，那包可以用动态规划来解决的~

        其次，作为小白，我觉得动态规划的题目一般是先确认状态（即dp数组的含义），然后就是状态转移方程，有了这两个东西，基本上题目已经完成一大半了，剩下的就是代码的实现了。

        话不多说，先从其引入的第一题开始：数字三角形

        之前老师也在课堂上提到过这个题目，也简单讲解了一下思路，但过了几周也是全给我忘了。所以基本上是重新开始看这题目，不难也适合新手学习。首先看一下题目：

        正常人看上去的第一眼就会想到自顶向下求解（包括我），但是这样暴力求解的话时间复杂度极高。而且在每一层的最优解并不一定是最底层的最优解，例如简单的7->3和7->8，虽然看上去7->8目前的值最大，但是仔细一看第三层会发现7->3->8会更好。所以我们要回到动态规划的本质，即如何划分子问题上来。

        这个问题是要求一条路径到最底层（设为r）最大，那么反过来想如果知道了r层的所有数值，那么r-1层的数值全部遍历一遍，即加上左下角和右下角的值取最大，那么这样一层一层往上递进下去，到了第一层其实已经包含了所有路径中最大值了。即状态转移方程为：

        

dp[i][j]=max(dp[i+1][j]+w[i][j],dp[i+1][j+1]+w[i][j]);
//其中dp[i][j]表示第i行第j列的数到底层数值的最大值

        至于为什么不能正着遍历，却要反过来遍历，跟动态规划的最优子结构有关，即求出的每一层的dp的最优解必须是最后结果的最优解，而正着遍历的话显然，每一层的最优解有可能只是局部最优解。

        最后贴出代码：

#include<iostream>
using namespace std;

const int N =1001;
int w[N][N],dp[N][N];

int main(){
    int r;
    cin>>r;
    for(int i=1;i<=r;i++){
        for(int j=1;j<=i;j++){
        cin>>w[i][j];
    }    
    }
    
    for(int i =1;i<=r;i++){dp[r][i]=w[r][i];}

    for(int i =r-1;i>0;i--){
    for(int j =1;j<=i;j++){
        dp[i][j]=max(dp[i+1][j]+w[i][j],dp[i+1][j+1]+w[i][j]);
    }
    }
    cout<<dp[1][1]<<endl;
    return 0;
}