初识动态规划

动态规划(Dynamic Programmaing ，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的方法。动态规划尝尝适用于有重叠问题和最优子结构性质的问题。
将原问题拆成若干个子问题，同时保存子问题的答案，使得每个子问题只求解一次，这样把一个复杂问题分阶段进行简单化，逐步化简成简单问题。大大节省了时间和空间。
动态规划算法的两种形式
动态规划的核心是记住已经求过的解，记住求解的方式有两种：
1.自顶向下的备忘录法
2.自底向上
举例来引入动态规划
求斐波拉契实例Fibonacci
1.先用递归来实现这个算法

public int fib（int n）{
	if(n <= 0)
	return 0;
	if(n == 1)
	return 1;
	rerurn fib( n - 1) + f(n - 2);
}

递归算法的执行流程如下，假如输入6，执行的递归数如下：
上述的递归数中每一个节点都会执行一次，很多节点被重复执行fib(2)被执行了5次，由于每调用一次函数的时候都要保留上下文，所以会用到大量空间。比如fib(2)被执行了这么多次，若在在执行时把执行过的子节点保存起来，后面若要在用到的时候就直接调用就能节约大量的时间。

2. 下面是用动态规划来解决斐波拉契数列问题

public class 斐波那契数列 {

	public static int fib(int n) {

		if (n == 0 || n == 1) {
			return 1;
		}

		int r1 = 1;
		int r2 = 1;
		int result = 0;

		for (int i = 2; i <= n; i++) {
			result = r1 + r2;
			r1 = r2;
			r2 = result;
		}

		return result;

	}

动态规划还是利用了递归思想，上面的算法不管么执行，在计算fib(6)的时候最后总要算出fib(5),fib(4),fib(1),n
而动态规划的思想是先算出fib(1),fib(2)…，利用数组保存了先计算的值，后面的执行可直接调用，这样了时间和空间上的困扰，这是动态规划的核心，先计算出子问题，在由子问题解决父问题。