动态规划

算法思想

将待求解问题划分为多个子问题
前一子问题的解，为后一子问题的求解提供了有用信息（最优子结构）
求解子问题，列出各种可能的局部解，通过策略，保留可能达到最优的局部解，丢弃其他

与分治算法最大的区别：
经过分解后，子问题不是互相独立
把每一个子问题的解都记录下来（状态）
状态转移方程：通过子问题的解怎么合并成原问题的解

动态规划处理问题的基本方法

初始状态->决策1->决策2->…->决策N->决策结束
一般处理多阶段决策问题，从初始阶段开始，通过对中间阶段的选择，到达结束状态
1.找出最优解的性质，并刻划其结构特征，找问题状态 dp
2.递归的定义最优值，找状态转移方程
3.自底向上的方式计算出最优值
4.根据计算最优值的情况计算最优解

硬币选择问题

/*
	硬币选择问题：有1.3.5分面额硬币，给定面值11，组成给定面值要几个
*/
dp[i]组成面值为i所需要的最小硬币数量
状态转移方程
dp[0] = 0
dp[1] = 1 + dp[1-1] = 1
dp[2] = 1 + dp[2-1] = 1 + dp[1] = 1+1 = 2

dp[3] :1+dp[3-1] = 1+ dp[2] = 1+2 =3
	   1+dp[3-3] = 1+dp[0] = 1+0 =1
状态转移方程
		从上述理论推导得出
		dp[i] = min{1+dp[i-Vj]}