面试题60：n个骰子的点数（动态规划）

一、基本概念

动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。

二、基本思想与策略

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。依次解决各子问题，最后一个子问题就是初始问题的解。

由于动态规划解决的问题多数有重叠子问题这个特点，为减少重复计算，对每一个子问题只解一次，将其不同阶段的不同状态保存在一个二维数组中（视情况可以进行空间优化，即使用一维数组即可保存）。

与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。

三、适用的情况

能采用动态规划求解的问题的一般要具有3个性质：

(1) 最优化原理：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。

(2) 无后效性：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关。

(3）有重叠子问题：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）

本题的分析：
使用动态规划解决问题一般分为三步：
1、表示状态
分析问题的状态时，不要分析整体，只分析最后一个阶段即可！因为动态规划问题都是划分为多个阶段的，各个阶段的状态表示都是一样，而我们的最终答案在就是在最后一个阶段。
分析：
最后一个阶段——本题总共投了n个骰子，那么最后一个阶段的表示就为点数和出现的次数；
那么就用数组的一维来表示各个阶段；用数组的二维来表示各个阶段的点数和出现的次数；
综上：本题的状态为dp[ n ][ j ]，其中n表示投了n个骰子，j表示投了n个骰子的点数和
2、找出状态转移方程
3、边界处理

class Solution {
public:
    vector<double> twoSum(int n) {
        vector<double>res;
        if(n<=0)return res;
        const int N=n*6+1;//数组的长度要为骰子最大和加1，因为利用下标来表示点数之和
        int dp[N];
        memset(dp,0,sizeof(dp));//全部初始化为0
        for(int i=1;i<=6;++i)
            dp[i]=1;//将第一阶段初始化为1，因为投1个骰子的时候，各个点数和出现次数都为1
        for(int i=2;i<=n;++i)
        {//当骰子数大于等于2时
            for(int j=6*i;j>=i;--j)
            {//因为使用的一维数组，所以从最后一个数开始计算，从状态转移方程来看，其值为上一个阶段的前6个值得和
                dp[j]=0;
                for(int cur=1;cur<=6;++cur)
                {
                    if(j-cur<i-1)
                    {//当点数之和不满足1*n时，即刻退出相加，无意义
                        break;
                    }
                    dp[j]+=dp[j-cur];//根据状态转移方程来求本阶段和为j出现得次数
                }
            }
        }
        int total=pow(6,n);
        for(int i=n;i<=n*6;++i)
            res.push_back(dp[i]*1.0/total);//求出现概率
        return res;
    }
};