动态规划的学习

        动态规划的学习中，我们对比了斐波那契数与动态规划的区别，在代码上我们进行递归操作能实现一个斐波那契数列：

public static long feiBo(int n) {
    if (n == 1 || n == 2) {
        return 1;
    }
    return feiBo(n - 1) + feiBo(n - 2);
}

在使用时，我们很清楚的发现，在计算一些较大的位置的值时，其返回速度相当的满，原因在于在计算一个数时，他一直在计算每一个小的值，当所有的都计算玩之后才能返回结果。在学习时，我们将这段代码进行简单的修改就将这个性能各提上来了:

public static long feiBo(int n, long[] arr) {
    if (n == 1 || n == 2) { 
        return 1; 
    }
    if (arr[n - 1] == 0) {
        arr[n - 1] = feiBo(n - 1, arr) + feiBo(n - 2, arr);
    }
    return arr[n - 1];
}

对比于前面的代码，我们只进行了一个操作，就是用一个数组，进行保存每次计算完后的结果，在使用时，返回数组的下标就能快速的知道结果。

由此引出：动态规划的使用特点：

        1、状态的保存

        2、状态转移方程。

在动态规划中，经典的问题时背包问题，大致意思是：如何将背包空间利用起来，达到里面物品价值的最大化。简单举个例子 :

书包可装：5kg    

物品    重量    价值

   书       4          4

铅笔盒   2          6

   零食    1          7

    在几个物品中，我们对书包进行装配最大价值为：13元 ，是铅笔和加零食的组合。

这里是进行小数目的，我们可以很直观的判断最大价值，在大数量下，我们还是不能够简单找到。所以这就体现动态规划的价值，我们对每个位置的判断都进行记录，在进行比较时，我们要判断的是：

 在该重量下的价值与

减去当前物品下的最大价值加上物品价值

进行比较，如果大于，就将大的值记录下来，方便之后的比较，就这样反复进行，最后我们能得到最大的价值。

代码实现为：

public static int cal(int[] wight, int[] value, int body) {

    int[][] maxValue = new int[value.length][body + 1]; //构建一个二维数组。
    for (int i = value[0]; i <= body; i++) {
        maxValue[0][i] = value[0];
    }

    for (int i = 1; i < value.length; i++) {
        for (int j = 1; j <= body; j++) {
            if (j < wight[i]) {
                maxValue[i][j] = maxValue[i - 1][j];
            } else {
                maxValue[i][j] = Math.max(maxValue[i - 1][j], maxValue[i - 1][j - wight[i]] + value[i]);
            }
        }
    }
    for (int[] b : maxValue) {
        System.out.println(Arrays.toString(b));
    }
    return maxValue[value.length - 1][body];

}

在进行了该算法之后，给我的启发是：

在进行大量的运算时，我们可以考虑将已经计算过的数进行保存，减少运算中的重复计算，提高程序的执行效率。