动态规划（一）

以下内容参考转载来源（本人只是为了自己学习方便做了归纳整理）：

http://baijiahao.baidu.com/s?id=1570689459307346&wfr=spider&for=pc

动态规划包含了三个重要的概念：最优子结构、边界、状态转移公式。

1. 题目：有一座高度是10级台阶的楼梯，从下往上走，每跨一步只能向上1级或者2级台阶。要求用程序来求出一共有多少种走法。

求解思路1：

先考虑只差最后一步就走到第十级台阶，有几种走法？

两种，从9级到十级，和从8级到10级。那么到10级的走法就是到8级的走法与9级的走法之和。

可以归纳出以下公式：

F(1)=1;
F(2)=2;
F(n)=F(n-1)+F(n-2)(n>=3)

上式中，F(1)和F(2)是边界，F(n)=F(n-1)+F(n-2)(n>=3)是状态转移方程，之前分析的F(8)和F(9)是F(10)的最优子结构。

接下来看以下几种求解方法：

1. 递归求解

int getClimbingWays(int n){
    if (n<1){
        return 0;
    }
    if (n==1){
        return 1;
    }
    if (n==2){
        return 2;
    }
    return getClimbingWays(n-1) + getClimbingWays(n-2);
}

此时计算过程如下图，二叉树的高度N-1，节点个数接近2的N-1次方，即改方法时间复杂度接近O(2^n)

通过观察二叉树会发现很多参数被重复计算了，因此可以创建一个哈希表：
2. 哈希表

int getClimbingWays(int n， HashMap<Integet, Interger>map){
    if (n<1){
        return 0;
    }
    if (n==1){
        return 1;
    }
    if (n==2){
        return 2;
    }
    if(map.contains(n)){return map.get(n)};
    else{
     int value = getClimbingWays(n-1) + getClimbingWays(n-2);
     map.put(n, value);
     return value;
    }
}

F(1)到F(N)一共又N个不同的输入，哈希表存了N-2个结果，此时时间复杂度和空间复杂度都是O(N)。

在上述方法中，计算F(N)都是自顶向下做递归，而我们已知了边界值，此时可以考虑自底向上迭代，分析此时的迭代过程，回发现每一个状态都只依赖于它的前两个状态。
3. 动态规划

int getClimbingWays(int n){
    if (n<1){
        return 0;
    }
    if (n==1){
        return 1;
    }
    if (n==2){
        return 2;
    }
    int a=1;
    int b=2;
    int temp=0;
    for (int i=3;i<=n;i++){
        temp=a+b;
        a=b;
        b=temp;
    }
    return temp;
}

此时时间复杂度O(N),只有两三个变量，空间复杂度O(1).

不过这个问题是入门级的动态规划，只有一个变化问题，有许多实际问题比这难许多。