动态规划问题

我们先来看一道题：

70. 爬楼梯

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

示例 1：

输入：n = 2
输出：2
解释：有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶

示例 2：

输入：n = 3
输出：3
解释：有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

提示：

• 1 <= n <= 45

解法一：很明显我们可以使用递归的思想来进行解答

int climbStairs(int n) {
    if(n<=2)
    return n;
    return climbStairs(n-1)+climbStairs(n-2);
    
    //一点也没有优化，竟然还过了，哈哈
}

但是，我们之后一定会遇到，程序执行超时的问题，纯粹的递归可能会导致大量的重复计算，从而导致效率较低。这是因为在计算climbStairs(n)时，它会递归调用climbStairs(n-1)和climbStairs(n-2)，而这两者又会重复计算一些相同的子问题。

所以，我们引入动态规划的概念：

解法二：动态规划

int climbStairs(int n) {
    if (n <= 2) {
        return n;
    }

    int dp[n+1];
    dp[1] = 1;
    dp[2] = 2;

    for (int i = 3; i <= n; i++) {
        dp[i] = dp[i-1] + dp[i-2];
    }

    return dp[n];
}

分析：

当解决一个问题时，如果问题可以被拆解成更小的子问题，而且这些子问题之间存在重叠的子问题，那么就可以考虑使用动态规划。动态规划是一种自底向上的问题求解方法，其基本思想是将问题拆解成更小的子问题，并保存子问题的解，避免重复计算。

在爬楼梯的问题中，我们需要到达第n阶楼梯，每一步可以选择爬1个台阶或2个台阶。我们可以定义一个数组dp，其中dp[i]表示到达第i阶楼梯的方法数。初始条件是dp[1] = 1和dp[2] = 2，因为爬到第1阶只有一种方法，爬到第2阶有两种方法。

然后，我们使用循环从第3阶开始计算dp[i]，直到第n阶。每一步的计算都是基于前两步的结果，因为你只能爬1个台阶或2个台阶。通过这样的迭代过程，我们逐步构建了解决问题的整体思路。

动态规划的优点在于它避免了重复计算，通过存储中间结果来减少计算量，提高了算法的效率。在这个例子中，通过使用动态规划，我们实现了一个线性时间复杂度的解法，大大提高了计算效率。