动态规划（DP）

动态规划常用的方面：

1.计数（count）

        -有多少种方法走到右下角

        -有多少种方法选出k个数使得和是sum

2.求最大最小值（max、min）

        -从左上角走到右下角路径的最大数字和

        -最长上升子序列长度

3.求存在性（bool）

        -取石子游戏，先手是否必胜

        -能不能选出sum为多少的k个数

 

 从这道题目出发，总结动态规划的大致表现；

 动态规划的思路：

1. 确定状态

        -最后一步： K-1枚硬币（27-ak） + 最后一枚硬币（ak）【这里要假设是最优策略】     

        -子问题： 根据最后一步的假设得到子问题：K-1的最优策略

        --------------------f(27) = min{f(27-2)+1,f(27-5)+1,f(27-7)+1}

2.转移方程

        --------------------f(X) = min{f(X-2)+1,f(X-5)+1,f(X-7)+1}

3.初始条件和边界条件（这个是用于所有类型的编程设计）

        -边界条件：f（1）拼不出来

        -初始条件：不能算出来的如----f(0) = 0;

4.计算顺序

        -过程量先于结果量算出来（这里就要选择从小到大）

int f(int X){
    if(X==0)return 0;
    int res = MAX_VALUE;//初始化为一个很大的数,如果无法按照2、5、7的路径凑完，返回他，不影响结果
    if（X>=2){
        res = min(f(X-2)+1,res);
    }
    if(X>=5){
        res = min(f(X-5)+1,res); 
    }
    if(X>=7){
        res = min(f(X-7)+1,res); 
    }
    return res;
}

缺陷（从大到小）：

         递归解法有很多节点多次运算（顺序不对），严重拖慢了速度。那么为了使计算量降低，使用从小到大的动态规划(JAVA)解决。