DP算法-动态规划（斐波那契数列）

通过组合子问题的解来来求解原问题的。

动态规划与分治方法类似。但又不同，分治方法的子问题是互不相交，而动态规划中的子问题是相交与子子问题。

动态规划方法一般用来求解最优化问题。

  我们解决动态规划问题一般分为四步：
1、定义一个状态，这是一个最优解的结构特征
2、进行状态递推，得到递推公式
3、进行初始化
4、返回结果

动态规划有自底向上和自顶向下两种解决问题的方式。自顶向下即记忆化递归，自底向上就是递推。

求解动态规划的核心问题是穷举

例如：斐波那契数列、递归公式f(n)=f(n-1)+f(n-2)

1暴力递归

class Solution:

    def fib(self, n: int) -> int:

        if n<2:

            return n

        return self.fib(n-2)+self.fib(n-1)

2带备忘录的递归

class Solution:

    dic={0:0,1:1}

    def fib(self, n: int) -> int:

        if n<2:

            return n

        self.dic.setdefault(n,self.fib(n-2)+self.fib(n-1))

        return self.dic[n]

3dp表递推自顶向下

class Solution:

    def fib(self, n: int) -> int:

        dp = {0:0, 1:1}

        for i in range(2, n+1):

            self.dp[i] = self.dp[i-1] + self.dp[i-2]

        return self.dp[n]

4dp表优化减少dp表容量

class Solution:

    def fib(self, n: int) -> int:

        if n<2:

            return n

        FUP=0

        FDOWN=1

        zhong={1:0}##中间态

        for _ in range(2,n+1):

            zhong[1]=FDOWN

            FDOWN=FUP+FDOWN

            FUP=zhong[1]

        return FDOWN