通过实例直接看懂 动态规划

动态规划相信大家一定不会陌生了

基本理解：
动态规划算法其实就是通过拆分问题去定义问题和状态之间的关系，使主问题能以递推的方式去解决。

这个算法其实在小白阶段刚刚接触算法的时候是很头疼的问题，通过百度或者文案去了解这个算法都能看到很多偏理论的问题，对小白来说可能不太友好，就算看懂了可能在实际代码解题中可能不知道从何下手。

也许通过一些实际的例子更加能理解什么是动态规划。

当然我们还是要走一下流程看看官方给出的定义是什么：
动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。动态规划算法的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。(来自百度百科)

是不是看懵比了，我们只要记住两个点就行。

适合应用动态规划方法求解的最优化问题应具备的两个要素：最优子结构和重叠子问题。

重叠子问题

即问题的递归算法会反复地求解相同的子问题，而不是一直生成新的问题。

最优子结构

如果一个问题的最优解是通过子问题逐步构造出最优解，则称此问题具有最优子结构性质。

接下来我们通过一个小例子来理解一下：

斐波那契数列，大家应该多少懂一点，简单的理解就是数列中第一个和第二个都是1. 接着第三个数就等于前两个数的和。
给大家画了个图好理解：

这个时候我们比如说要求，求出位置在第6上面的值是多少。

每个子问题都又自己的子问题，直到达到这个问题的出口。
这个问题的出口是什么呢？其实就是我们之前提到的数列的第一和第二个值，都是1。

这样我们通过第一第二个的值就能知道，第三个元素的值，以此类推。

上代码：
接下来通过递归的方式去解决这个问题。
你要注意我们求下标为6的值，num要等于6+1。因为我们的数列的第一个值是0
所以下标是6其实是第7 个元素。
（只有程序猿都是从0开始数的懂的都懂）

 //递归
    public static int jumpStep(int num) {
        //如果要求第一个或者第二个元素直接给1
        if(num <=2) {
            return 1;
        }
        //当n > 2时，返回（n - 1） + （n - 2）
        return jumpStep(num - 1) + jumpStep(num - 2);
    }

我们可以看出通过递归的方式，很容易的就的到了结果。
但是你会发现它的时间复杂度达到了 O(2^n)

接下来我们来看通过动态规划的方式是怎么解这个问题的。

动态规划 代码：

    //动态规划
    public static int jump(int m){
    //创建一个数组
        int[] arr = new int[m + 1];
        //先放两个出口的值
        arr[0]=1;
        arr[1]=1;
        //循环将从底至顶的计算并储存它的所有子问题的解。
        for (int i = 2; i <=m; i++) {
            arr[i]=arr[i-1]+arr[i-2];
        }
        //返回结果
        return arr[m];
    }

这样的情况我们就可以看出我们的时间空间复杂度都降到了 O(n)

总结一下：

动态规划的解题思路：
把原问题分解为若干个子问题，子问题和原问题形式相同或类似，只不过规模变小了。子问题都解决；
子问题的解一旦求出就会被保存，所以每个子问题只需求 解一次。