什么是动态规划

动态规划（Dynamic Programming，简称DP）是一种解决问题的算法思想，用于解决具有重叠子问题和最优子结构性质的问题。它通过将问题分解为子问题，并保存子问题的解，以避免重复计算，从而提高算法的效率。

动态规划通常用于优化递归算法，将递归中重复计算的子问题结果存储起来，避免重复求解，从而减少时间复杂度。

动态规划有两个关键概念：

1. 重叠子问题（Overlapping Subproblems）： 指在递归解决问题的过程中，同一个子问题会被多次重复计算。动态规划通过将子问题的解保存在表格中，避免重复计算，从而优化算法。

2. 最优子结构（Optimal Substructure）： 指问题的最优解可以由子问题的最优解构造得出。也就是说，全局最优解可以通过局部最优解递推得到。

动态规划的基本思想是自底向上的解决问题。它通常采用迭代的方式，通过求解子问题并保存子问题的解来逐步求解更大规模的问题，直至得到最终问题的解。

动态规划问题通常有两种实现方式：自顶向下的递归与记忆化搜索（Memoization）和自底向上的迭代。自顶向下的递归是自然而然的，但可能存在重复计算，因此引入记忆化搜索来优化。自底向上的迭代则是利用动态规划的核心思想，通过建立一个表格，按顺序计算子问题，从而得到最终问题的解。

动态规划常用于求解一些优化问题，例如最短路径、最大值、最小值、最长子序列等等。它是算法设计中的重要工具，许多复杂问题可以通过动态规划得到高效解决。