算法设计与分析——动态规划

动态规划本质上就是一种带有数组的分治思想
那么动态规划什么时候用呢？
类似于这种

	可以发现，当计算 f(n) 的时候，需要用到 f(n 2 1)，当计算 f(n - 1) 的时候，还是
需要用到 f(n - 2)，这样，一个子问题就要计算 k 次，显然增加了时间复杂度，这种时候
就需要用到动态规划了，将所有的子问题都用一个数组记录下来，避免重复计算，可以说，
动态规划的精髓就在于数组记录状态和状态转移方程。

DP：1、分析子问题的依赖关系（子问题：重叠）
	2、采用自底向上的方法依次求解
	3、从最小规模求解，一直到最大子问题
	注：子问题不管是否用到，都要计算出来保存起来
		子问题放到表格里面。

一、斐波那契数列

int get(int n)
{
	if(f[n])
	{
		return f[n];
	}
	f[n] = get(n - 1) + get(n - 2);
	return f[n];
}
在使用前将 f[0] 和 f[1] 初始化为 1 即可。

二、K级图问题

	K 级图定义为：每一级有若干个结点，一共有若干个级，每一级只能由上一级指入，
只能指向下一级，且从一级前往下一级的节点会有 h 的权重，并且第一级和最后一级
都只有一个节点，求从开始节点到最后节点的最短路径。

图示：

可以看到，要想求 7 号的最短路径，要先求出 4、5、6 的最短路径，如果采用递归的
方式，那么势必要计算 3 次 2号节点的最短路径，或许这对于这里的二号节点是可以接受
的，但是当级数增加，级内节点增加，那么一个 k 号节点的重复计算次数便不可估计，所以
递归方法便变得不可接受了，如果用数组将 k 号节点的最短路径保存起来，当用到的时候
取出来，这样便可以避免重复运算了，这就是动态规划的思维，所以这道题可以这样求解
	1、定义一个节点类型
		struct Node
		{
			int min_path;
			Node * from;
		};
		struct point
		{
			int x, y;
		};
		同时定义一个二维数组或者用 map<point, int> 来保存点与点直接的消耗
	2、每一节点的 min_path = min(上一级各点 min_path + 上一级各点到该点的消耗)
	3、在计算 min_path 的同时更新该点的 from 为使得 min_path 最小的上一级点的
		编号
	4、最后的 min_path 就是该点的 最短路径长度，最短路径只需要根据 from 字段
		依次向前寻址即可
	当然，在做这一切之前将最简单的子问题 0号的min_path 初始化即可

三、格路问题

格路问题定义：对于一个给定的网格，每一条路径上都有一个权值，求从（0，0）到
（m，n）的最短路径
	这个问题本质上与 K 级图类似，求解（m，n）的最短路径，由于最短路径只能从
上或者右走，所以（m，n）有两个子问题，左边或者下边，所以只需要求解 min(下边
最短路径+向上的边，左边最短路径+向右的边)，同样，子问题再分解成为子问题，
这时你会发现，有很多点的子问题都要重复计算，所以，可以采用二维数组将这个最短路
径的数值保存起来，即用即取，于是
	1、定义一个结构体
		struct Node
		{
			int min_path;
			Node * from;
		};
	2、初始化
		最简单的子问题是 第0行 和 第0列，因为他们只有一个来源，因此只需要不断加
		起来计算 min_path 就好
	3、对于一般的点来说，进行两重循环，按照下面的状态转移方程计算
		min_path = min(下边最短路径+向上的边，左边最短路径+向右的边);
	4、输出（m，n）的 min_path 即可，求最短路径的方式只需要从（m，n）开始不断的
		“from” 即可。