动态规划

一、什么是动态规划

动态规划，Dynamic Programming（“Programming”为“规划”，而非指“程序”、“编程”），研究多步决策过程最优化问题的一种数学方法，英文缩写DP。在动态规划中，为了寻找一个问题的最优解（即最优决策过程），将整个问题划分成若干个相应的阶段，并在每个阶段都根据先前所作出的决策作出当前阶段最优决策，进而得出整个问题的最优解。

二、什么样的题能使用动态规划

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。（虽不是必要条件，但如果没有这条性质，动态规划算法同其他算法相比就不具备优势）

三、一般解题思路

1、拆分问题
2、 定义状态(并找出初状态)
3、 状态转移方程

四、两种动态规划的方法

1、自顶而下的备忘录法

利用meno数组来存放斐波拉契数列中的每一个值，由于是自顶往下递归，它还是会最先递归到meno[3]，从此刻开始在往上计算，然后依次保存计算结果在meno数组中，避免了重复运算。

int Fibonacci(int n)
{
    if(n <= 0)
        return 0;
    int meno[n + 1];
    for(int i = 0; i <= n; i++)
        meno[i] = -1;
    return fib(n, meno);
}
 
int fib(int n, int *meno)
{
    if(meno[n] != -1)
        return meno[n];
    if(n <= 2)
        meno[n] = 1;
    else
        meno[n] = fib(n - 1, meno) + fib(n - 2, meno);
 
    return meno[n];
}

2、自顶而下的方式
这样计算最终的结果，还是有一个递归的过程。既然最终是从fib(1)开始算，那么直接从fib(1)计算不就得了，先算子问题，再算父问题。

int fib(int n)
{
    if(n <= 0)
        return n;
    int meno[n + 1];
    meno[0] = 0
    meno[1] = 1;
    for(int i = 2; i <= n; i++)
        meno[i] = meno[i - 1] + meno[i - 2];
    return meno[n];
}

还可以再优化：

对空间进行压缩

int fib(int n)
    {
        if(n <= 1)
            return n;
        int meno_i_1 = 0;
        int meno_i_2 = 1;
        int meno_i = 1;
        for(int i = 2; i <= n; i++)
        {
            meno_i = meno_i_1 + meno_i_2;
            meno_i_2 = meno_i_1;
            meno_i_1 = meno_i;
        }
        return meno_i;
    }