动态规划常见模型

动态规划（Dynamic Programming，简称 DP），是一种通过把复杂问题分解为相对简单的子问题来求解的方法。

对于动态规划问题的求解，大致分为三步：
1.确定状态
2.确定初始状态
3.确定状态转移方程

基础DP主要有以下五个常见模型：

1.递推、递归（以斐波那契数列为例）
2.背包问题（01背包、完全背包、多重背包）
3.LCS（最长公共子序列问题）
4.LIS（最长上升子序列问题）
5.最大子段和（最大连续子序列和）

1、递归、递推

简单的状态转移，找到规律并写出递推公式即可。

常见的问题有斐波那契数列、矩形覆盖等。

（1）斐波那契数列递归求法

int f(int n)
{
   
	if (n == 1 || n == 2)
		return 1;
	else
		return f(n - 1) + f(n - 2);
}
printf("%d\n", f(n));

对于递归的求法，时间复杂度为$O(2^n)$，效率比较低，当n比较大时，需要很长的时间才能返回结果，所以一般不用这种方法。

（2）斐波那契数列递推求法

f[0] = 0; f[1] = 1;
for (int i = 2; i <= n; i++)
	f[i] = f[i - 1] + f[i - 2];
printf("%d\n", f[n]);

递推求解的话，时间复杂度和空间复杂度均为$O(n)$。

斐波那契数列还有用矩阵来进行求解的时间复杂度为O(logn)的算法

详见：https://blog.csdn.net/weixin_43772166/article/details/103995932

（3）斐波那契数列滚动数组优化

对于上面的递推求法，空间复杂度为$O(n)$，当数据量n比较大的时候就会爆内存，所以要想办法来优化空间复杂度。

因为求数列的第n项时，只需要用到第n-1项和第n-2项，再求第n+1项时，用到的是第n项和第n-1项，第n-2项不会再用到，所以无需再存储它。

可以想到只用三个单位大小的数组来进行求解，当求第n项时，只存储第n-1项和第n-2项。每求解完一个数后，数组就向右移动。

这就是滚动数组的思想，可以将空间复杂度优化为$O(1)$。

f[1] = f[2] = 1;
for (int i = 3; i <= n; i++){
   
	f[0] = f[1];
	f[1] = f[2];
	f[2] = f[1] + f[0]; 
}
printf("%d\n", f[2]);

2、背包问题

（1）01背包

有$n$个重量和价值分别为$w_i$，$v_i$的物品。从这些物品中挑选出总重量不超过$W$的物品，求所有挑选方案中价值总和的最大值。

限制条件
1<=$n$<=100
1<=$w_i,v_i$<=100
1<=$W$<=10000

$dp[i+1][j]=$从$0$——$i$这$i+1$个物品（即从前$i+1$种物品）中选出总重量不超过$j$的物品时总价值的最大值。

$dp[0][j]=0$

$$dp[i+1][j]=\{\begin{array}{ll}dp[i][j]& \text{(j<w[i])}\\ max(dp[i][j],dp[i][j-w[i]]+v[i])& \text{(其他)}\end{array}$$

因为动规是记录结果再利用，用上一层的所有状态来推出下一层的所有状态，所以时间复杂度比深搜要低很多。

动规的基本思路就是状态转移：写出边界的状态，再用边界的状态来转移到下一个状态。直到转移出最后所求的状态。

01背包求最大价值的核心代码：

memset(dp, 0xcf, sizeof dp);
dp[0][0] = 0;
for (int i = 0; i < n; i++)
	for (int j = 0; j <= W; j++)
	{
   
        if (j < w[i])
        	dp[i + 1][j] = dp[i][j];
        else
        	dp[i + 1][j] = max(dp[i][j], dp[i][j - w[i]] + v[i]);
	}
printf("%d\n", dp[n][W]);

有时候会遇到求能够装满背包的组合数的题目，将转移方程的max换成sum即可。

01背包求组合数的核心代码：

memset(dp, 0, sizeof dp);
dp[0][0] = 1;
for (int i = 0; i < n; i++)
	for (int j = 0; j <= W; j++)
	{
   
		if (j < w[i])
			dp[i + 1][j] = dp[i][j];
		else
			dp[i + 1][j] = dp[i][j] + dp[i][j - w[i]];
	}
printf("%d\n", dp[n][W]);

（2）完全背包

有$n$种重量和价值分别为 w i w_i w