暴力递归到动态规划

 精髓就是遵照题意，先写出暴力递归，然后可以发现有好多重复计算过程，浪费时间。这时候写一个dp缓存数组，将每一次暴力递归的结果存在dp里。

改暴力递归，只把  可变的参数  改成一个缓存结构！！！！那些不变的 如背包总重量不用改

 这几种模型可以尝试动态规划

---

 一、机器人直线走路

 解法一：

暴力递归

 解法二：

动态规划？？？

 

解法三：

直接根据题意和暴力递归思想推出dp数组的内容

 根据以上规律可以直接得到dp数组

---

二、背包问题

 根据暴力递归的决策可以看到，在index=5那一行，所有解都是0（因为你到了末位置了，没东西可拿了，价值为0了）前面的位置价值肯定是物品价值加上你这个0

所以不用看递归也知道，数组前面的值是最后一行一点一点加上来的

解法：

---

三、字符串转化

---

 四、拿牌博弈论

---

所以，套路就是：

1.   先写出暴力递归（尝试模型）
2.   查看有没有重复解，没有就直接不改了 结束
3.   有的话，找出可变参数，根据递归改成记忆化搜索（也就是直观的改dp）
4.   精细化组织，也就是找出整个参数组织的特性，针对的去直接填dp[][]的内容，变成经典dp
5.   如果出现枚举情况（就是普通的解只依赖于两个左右的格子  而枚举类型依赖的特别多）
6.   这个时候 要找出枚举的规律 （）找排列规律

通常来说递归过程是一棵树为  O（2^n）

      记忆化搜索为你dp大小 背包是O(N*bag) 他和经典动态规划的时间复杂度一样

---

五、取钱币凑数

一个rest 从数组里面取钱 凑整 取的数量任意

解法一： 暴力递归

 解法二：根据递归改动态规划  记忆化搜索

 解法三：经典动态规划

 

 就是可以知道 可变参数的基础行 也就是最后一行 然后根据最后一行 自底向上，从左向右的推

 解法四： 细粒度划分 找枚举规律

 可以发现更细致的规律，每一个要求的数都由他下左的数组成，且 间隔是当面面值

那么dp[index][rest]=dp[index][rest-arr[index]]+ dp[index+1][rest]

也就是要求的数 是他前一个数+他下方那个数

 

 上述的缺点都是：

如果dp里的有些格子我根本取不到，我还要去算他，浪费时间了。

这种情况还不如解法二好一些

---

 六、找贴纸凑单词

 

 解法：

伪代码：

 

 实际代码：

 

从左往右模型

背包 字符串替换数组

---

范围内寻找模型

博弈论

---

多样本位置的尝试模型

七、最长公共子序列

 把两个样本index摆开成二维数组，分别猜测dp[i][j]和他前一个数的关系

---

寻找业务限制的尝试模型

 

 中间的比较是说 有这么一种情况：

        我决定洗杯子index号，但是后续的杯子干净的时间（自然风干）甚至比你杯子洗完的时间都要早，所以 我这一个洗杯子的决策真实结束时间，其实是你洗完index的结束时间，而不是后续那么多杯子干净的时间