算法之动态规划（爬楼梯与斐波那契数列）JS的实现

JS算法之动态规划（爬楼梯）

什么是动态规划？

动态规划（Dynamic
Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。20世纪50年代初，美国数学家贝尔曼（R.Bellman）等人在研究多阶段决策过程的优化问题时，提出了著名的最优化原理，从而创立了动态规划。动态规划的应用极其广泛，包括工程技术、经济、工业生产、军事以及自动化控制等领域，并在背包问题、生产经营问题、资金管理问题、资源分配问题、最短路径问题和复杂系统可靠性问题等中取得了显著的效果

爬楼梯题目描述

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

示例 1：

输入： 2
输出： 2
解释： 有两种方法可以爬到楼顶。

1. 1 阶 + 1 阶
2. 2 阶

示例 2：

输入： 3
输出： 3
解释： 有三种方法可以爬到楼顶。

1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

分析：
假设楼梯有5阶，
当第一步走一阶时：
剩下的楼梯还有四阶，那么剩下的四阶有几种走法？
当一步走两阶时，
剩下的楼梯有三阶，那么剩下的三阶有几种走法？
问题的规模随着拆分，会变得越来越小，这种将问题拆解，并通过计算小问题的解，最终计算出最优解的思想就是动态规划。
假设走完x阶楼梯有f(x)种走法，那么根据上面的分析一共有这么多的方法可以走完整个楼梯：

f(x) = f(x-1) + f(x-2);

当然我们要确定一下边界值：
当我们走1阶的时候：
dp[1] =1 ;
因为数组的下标存在0，所以dp[0] =1
上面的通式用JS实现：

let allMethods = function(n){
   let dp = []
   dp[0] =1;
   dp[1] = 1;
   for( let i = 2 ; i <= n; i ++ ){
    dp[i]  = dp[i-1] + dp[i-2]
   }
   return dp[n]
}

此算法的时间复杂度为O(n)，空间复杂度为：O(n)。
那么按照上述思想去求解斐波那契数列：
斐波那契数列：

斐波那契数列指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368…
这个数列从第3项开始，每一项都等于前两项之和。

function dynFib(n) {
            let Fib= [];
            for(let i = 0; i <= n; ++i){
                Fib[i]=0;
            }
            if(n ===1 || n  === 2){
                return 1;
            }
            else {
                Fib[1] =1;
                Fib[2] = 2;
                for(let i = 3; i <= n; ++i){
                    val[i] = Fib[i-1] +Fib[i-2] ;
                }
            }
            return Fib[n-1]
        }

利用动态规划求解，是面对复杂问题的一种解决思路。