动态规划入门理解

对动态规划，做个总结，我们从一个例子开始：

有一座高度是10级台阶的楼梯，从下往上走，每跨一步只能向上1级或者2级台阶。要求用程序来求出一共有多少种走法。

这里就要用到了动态规划的思想了：动态规划（Dynamic Programming）是一种分阶段求解决策问题的数学思想。总结来说就是复杂问题细化成为一个阶段性的问题，然后推导出整体问题的解决方法。

我们用动态规划问题来看看上述的问题吧：

问题分析：
假如只差一步就能走完整个楼梯，要分为几种情况？因为每一步能走一级或者两级台阶，所以有如下两种情况：

1.最后一步走2级台阶，也就是从8级到10级

2.最后一步走1级台阶，也就是从9级到10级

那么在上面的基础上假设1级到8级有X种走法，1级到9级有Y种走法，那么1级到10级有几种走法？

实际上，10级台阶的所有走法可以根据最后一步的不同分为两个部分。

第一部分：最后一步从9级到10级，这种走法的数量和1级到9级的数量一致，也就是Y种。
第二部分：最后一步从8级到10级，这种走法的数量和1级到8级的数量一致，也就是X种。

总的走法就是两种走法的总和，也就是SUM=X+Y种。

我们把10级台阶的走法表达为F(10)此时:

F(10) = F(9)+F(8)
F(9) = F(8)+F(7)
F(8) = F(7)+F(6)
…
F(3) = F(2)+F(1)

这里我们把一个复杂的问题分阶段分步的简化，简化成简单的问题，这就是动态规划的思想。

当只有1级台阶和2级台阶时走法很明显，即F(1)=1、F(2)=2，可以归纳出如下公式：

F(n) = F(n-1) + F(n-2)(n >= 3);
F(2) = 2;
F(1) = 1;

动态规划中包含三个重要的概念，最优子结构、边界、状态转移公式。

上面我们分析出F(10)=F(9)+F(8)， 其中，F(9)和F(8)是F(10)的最优子结构。

当只有1级和2级台阶时，我们可以直接得出结果，而无需再次简化。我们称F(2)和F(1)是问题的"边界"，如果一个问题没有边界，那么这个问题就没有有限解。

F(n) = F(n-1) + F(n-2)是阶段之间的状态转移公式，它是动态规划的核心，决定了问题的每个阶段和下阶段之间的关系。

至此，动态规划的“问题建模就完成了”。

解题代码：

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;

public class PaLouTi {
    public static void main(String[] args) throws IOException {
        BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
        int i = Integer.parseInt(br.readLine());
        System.out.println(pailou(i));
    }

    private static int pailou(int i) {
       int f[]=new int[i+1];
       f[0]=1;
       f[1]=2;
        for (int j = 2; j <i ; j++) {
            f[j]=f[j-1]+f[j-2]; //动态规划核心
        }
        return f[i-1];

    }
}