动态规划学习笔记（来自：labuladong的算法小抄）

1. 动态规划一般形式：求最值
2. 核心问题：穷举
3. 三要素：
重叠⼦问题：需要「备忘录」 或者「DP table」 来优化穷举过程， 避免不必要的计算
最优⼦结构：子问题相互独立，可通过子问题最值得到原问题最值
状态转移⽅程（最困难）：思考方法：明确「状态」 -> 定义 dp 数组/函数的含义 -> 明确「选择」 -> 明确 base case
4. 经典问题：斐波那契数列问题（重叠子问题）
递归形式如下：

int fib(int N) {
if (N == 1 || N == 2) return 1;
return fib(N - 1) + fib(N - 2);
}

若n=20，存在大量重复子问题，每次都要重新计算，时间复杂度极高O(2^n)；
解决方法1（自顶向下）：带备忘录的递归解法
⼀般使⽤⼀个数组充当这个「备忘录」，当然你也可以使⽤哈希表（字典），思想都是⼀样的，每次先查表内是否已计算该子问题。把⼀棵存在巨量冗余的递归树， 改造成了⼀幅不存在冗余的递归图， 极⼤减少了⼦问题（即递归图中节点） 的个数。代码如下：

int fib(int N) {
if (N < 1) return 0;
// 备忘录全初始化为 0
vector<int> memo(N + 1, 0);
// 初始化最简情况
return helper(memo, N);
} i
nt helper(vector<int>& memo, int n) {
// base case
if (n == 1 || n == 2) return 1;
// 已经计算过
if (memo[n] != 0) return memo[n];
memo[n] = helper(memo, n - 1) +
helper(memo, n - 2);
return memo[n];
}

解决方法2（自底向上）：dp 数组的迭代解法
有了上⼀步「备忘录」 的启发， 我们可以把这个「备忘录」 独⽴出来成为⼀张表， 就叫做 DP table 吧， 在这张表上完成「⾃底向上」 的推算！

int fib(int N) {
vector<int> dp(N + 1, 0);
// base case
dp[1] = dp[2] = 1;
for (int i = 3; i <= N; i++)
dp[i] = dp[i - 1] + dp[i - 2];
return dp[N];
}

「状态转移⽅程」 ：实际上就是描述问题结构的数学形式：把 f(n) 想做⼀个状态 n， 这
个状态 n 是由状态 n - 1 和状态 n - 2 相加转移⽽来， 这就叫状态转移。

上⾯的⼏种解法中的所有操作， 例如 return f(n - 1) + f(n - 2)，dp[i] = dp[i - 1] + dp[i - 2]， 以及对备忘录或 DP table 的初始化操作， 都是围绕这个⽅程式的不同表现形式。可⻅列出「状态转移⽅程」 的重要性， 它是解决问题的核⼼。