动态规划算法

经典题：给定一个包含非负整数的 m x n 网格，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

grid  = [
  [1,3,1],
  [1,5,1],
  [4,2,1]
]

动态规划问题往往是把问题分解为若干个子问题，从第一个解得到第二个解进而得到我们的第n个解。在这个题中我们使用动态规划的思想来解决，就是把到每一个网格的和都逐一求出，从而得到我们所需要的左上角到右下角的最小路径。

我们首先要建立一个mxn的空矩阵，并初始化它的每一个值为0.这个矩阵的每一个值记录到这个点的最小路径是多少。那么这个矩阵的0,0点处的值肯定是和grid是一样的，为1.这个矩阵我们设为dp：

dp= [
  [1,0,0],
  [0,0,0],
  [0,0,0]
]

之后我们利用grid矩阵的第一排和第一列分别进行两次遍历得到dp的两边的值：逻辑很简单，用grid的值加上前面位置的dp值循环一次得到一排，再重新循环一次得到一列：

dp= [
  [1,4,5],
  [2,0,0],
  [6,0,0]
]

最后我们利用“一排一列”完成全部值的生成，两层循环嵌套：

for i in range(1,m):
    for j in range(1,n):
        dp[i][j] =min(dp[i-1][j], dp[i][j-1])+grid[i][j]
dp[m-1][n-1]

也就是每一个值都是它上面或者左面的最小的那一个加上grid中这个位置的值。一行一行的循环就填满了整个矩阵，最后的那个值就是我们要的了。

===============================================================================================
关于三角形最小路径和的问题，力扣上的大佬只用了短短几行就实现了：

triangle=[
             [2],
            [3,4],
           [6,5,7],
          [4,1,8,3]
        ]
for i in range(len(triangle) - 2,-1,-1):
    for j in range(len(triangle[i])):
        triangle[i][j] += min(triangle[i + 1][j], triangle[i + 1][j + 1])
print(triangle[0][0])

核心想法和大佬是一样的，都是把二维数组里的每一个值变成抵达当前点的最小花费。但是为什么这段代码简单，而我的代码确写的很冗长呢，原因是：从后向前的遍历使得程序省去了很多麻烦的判断。从倒数第二层开始，这样不用判断是否最后一层；从长的向短的遍历，这样三角尖的元素也不用单独判断，每一行边缘的元素也不用判断了。以后遇到动态规划问题要思考遍历的方向是否会带来便利。

当然动态规划不仅仅是算法的思想，在力扣的石子游戏中，双方只能轮流拿最左或者最右面的石子，最后比拼石子数的大小。这里没有很明显的体现出动态规划的算法，但是确有着动态规划的思想：也就是我选择头也就是拿到了奇数；选择尾也就是拿到了偶数；那么对手只能根据我的选择来拿到奇数位置的石头或者偶数位置的石头，那么下一次我依然可以选择奇数偶数。我不断选择奇数对手就全是偶数，我不断选择偶数，对手则全是奇数，那么就是必赢的博弈了。这是一种循序渐进的归纳思想，从前面的几项寻找规律并且极端应用规律使得整体风险可控。