动态规划 + 示例

动态规划（英语：Dynamic programming，简称 DP），通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。(dynamic programming is a method for solving a complex problem by breaking it down into a collection of simpler subproblems.)
一般这些子问题很相似，可以通过函数关系式递推出来这个相似的子问题的结构。然后动态规划就致力于使每个子问题只被解决一次，减少重复计算,比如斐波那契数列就可以看做入门级的经典动态规划问题。所以动态规划的核心思想就是拆分出重复子问题，记忆答案，减少重复计算。
动态规划的本质是一个状态机，从初始状态开始进行有向无环的跳转，最终求得最终解。状态转移方程完美诠释了状态机中状态跳转的概念

示例：M级超级台阶
程序展示(自底向上递推）

#include "iostream"
using namespace std;
 
int n;
int m,dp[3];
int main(){
    cin>>n;
    for (int i = 1; i <=n ; ++i) {
        cin>>m;
        dp[0] = dp[1] = 1;
        if(m<2){
            break;
        }
        for(int j=2;j<m;j++){
            dp[j%3] = dp[(j-1)%3]+dp[(j-2)%3];//这里使用滚动数组来优化空间
        }
        cout<<dp[(m-1)%3]<<endl;
    }
    return 0;
}

程序展示(自顶向下记忆话搜索）

#include "iostream"
using namespace std;
 
int n;
int m,dp[41];
int dfs(int n);
int main(){
    cin>>n;
    for (int i = 1; i <=n ; ++i) {
        cin>>m;
        cout<<dfs(m)<<endl;
    }
    return 0;
}
 
int dfs(int n){
    if(n == 1||n == 2){
        return 1;
    }
    if(dp[n]){
        return dp[n];
    }
    dp[n] = dfs(n-1) + dfs(n-2);
    return dp[n];
}