动态规划(HDOJ2084，凑零钱问题）

基本思想

动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。
与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。**我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。**这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。

动态规划一般分为四步
1、找出处理问题的最后一步，把问题化成子问题。
2、根据第一步写出状态转移方程
3、找出初始条件和边界情况
4、确定计算顺序（从初始条件开始）

下面用两个例子演示一下
HDOJ2084数塔问题：题目描述
按照上述步骤
1、无论第n-1层选择哪一个结点，下一层必定要选择与该点相邻的最大点。所以最好一步是找出与n-1结点相邻的最大点。
2、设前n-1部最大路线经过的第n-1个结点为num[i][j]，则该条路线上最后两数之和为dp[i][j]=num[i][j]+max{num[i+1][j],num[i+1][j+1]},即为状态转移方程
3、本题初始条件即是最后一层数据
4、因为初始条件在最后一层，所以从下往上计算。如果从上往下计算就是贪心法，不能得到正确结果。

#include <iostream>
#include<cstdio>
using namespace std;

int max(int a, int b)
{
 if (a > b)
  return a;
 else
  return b;
}
int main()
{ 
 int i, j, k,n,t,num[101][101];
 while (cin >> t)
 {
  while (t)
  {
   cin >> n;
   for (i = 0; i < n; i++)
    for (j = 0; j <= i; j++)
     cin >> num[i][j];
   for (i = n - 2; i >= 0; i--)
    for (j = 0; j <= i; j++)
     num[i][j] += max(num[i + 1][j], num[i + 1][j + 1]);
   cout << num[0][0] << endl;
   t--;
  }
 }
 return 0;
}

凑零钱问题
如果有2元，5元，7元，三种硬币，要求正好凑成27元，问最少用几枚硬币。

这个问题很容易想到贪心算法，即先用尽量大的硬币，比如三个7元凑出21，剩下6元用其他，比如3个2元，得到答案6枚。但这个结果是错误的。因为使用7元时剩下的硬币数并不一定最小，可能因为不能凑整反而较大。

按照动态规划步骤
1、无论前面怎么选，当我们挑选最后一枚硬币时有，2，5，7这三种选择
2、设f(27)是27元的最少硬币数，则f(27)=min{f(25)+1,f(22)+1,f(20)+1}，即为状态转移方程
3、初始条件，f(0)=0；f(负数)=f(1)=无穷；
4、依次求f(i)，i从0循环到27

此处大概模拟一下运行过程：
f(0)=0
f(1)=无穷
f(2)=min{f(0)+1,f(-3)+1,f(-5)+1}=1
f(3)=min{f(1)+1,f(-2)+1,f(-4)+1}=无穷
f(4)=min{f(2)+1,f(-1)+1,f(-3)+1}=2
…
f(27)=min{f(25)+1,f(22)+1,f(20)+1}=5