DP概念和编程方法

DP的概念

dp（即动态规划）用于解决具有重叠子问题和最优子结构问题。下面以斐波那契数列为例说明DP的概念。斐波那契数列是一个递推数列，每个数是前两个数之和，如1,1,2,3,5,8,13......，计算第n个斐波那契数，递推公式为，用递归编程求斐波那契数列，代码如下。

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

这段代码以2倍增，复杂度，太慢了，用动归可以优化。

DP的两种编程方法

1.记忆化

原本的递归树长这样

但是呢，这里面有很多多余的运算，把这些多余的去掉，就可以优化了。比如说，节点3就算了两次，节点2算了三次，我们只需要把节点3的值用数组记住，到了第二个3时就不用再算了。这就叫记忆化。代码如下，

int a[10000];
int fib(int n){
	if(n==1||n==2) return 1;
	if(a[n]!=0) return a[n];
	return a[n]=fib(n-1)+fib(n-2);
}

这一次的复杂度为 ，优化成功。但是请你看这个东西。

#include <bits/stdc++.h>
using namespace std;
long long a[100000000];
long long fib(long long n){
	if(n==1||n==2) return 1;
	if(a[n]!=0) return a[n];
	return a[n]=fib(n-1)+fib(n-2);
}
int main(){
	long long n;cin>>n;
	cout<<fib(n);
	return 0;
}

输入65536时，虽然没有超过long long范围，但是请你看下图

这个问题属于栈内存溢出，即便是记忆化也逃不掉这个“噩梦”

解决方法：最最最简单，把变为，这样直接把栈的最大内存变为n/2

2. DP

思路：定义一个数组dp[]，代表fib(n)的值，可以列出如下表格

dp[1]	1
dp[2]	1
dp[3]	2
dp[4]	3
dp[5]	5
dp[6]	8
dp[7]	13
......	......

代码如下

const int N=255;
int dp[N];
int fib(int n){
	dp[1]=dp[2]=1;
	for(int i=3;i<=n;i++) dp[i]=dp[i-1]+dp[i-2];
	return dp[n];
}

 一圈三连，必有回关。你的关注，就是我创作的动力。(～￣▽￣)～