经典动态规划

      1.维基百科的描述：“动态规划（Dynamic Programming, DP）在查找有很多
重叠子问题的情况的最优解时有效。它将问题重新组合成子问题。为了避免多次解决这些子问
题，它们的结果都逐渐被计算并被保存，从简单的问题直到整个问题都被解决。因此，动态规划
保存递归时的结果，因而不会在解决同样的问题时花费时间 · · · · · · 动态规划只能应用于有最优
子结构的问题。优解能决定最优子结构的意思是局部最全局最优解（对有些问题这个要求并不能
完全满足，故有时需要引入一定的近似）。简单地说，问题能够分解成子问题来解决。”

     2.通俗一点来讲，动态规划和其它遍历算法（如深/广度优先搜索）都是将原问题拆成多个子问
题然后求解，他们之间最本质的区别是，动态规划保存子问题的解，避免重复计算。解决动态规
划问题的关键是找到状态转移方程，这样我们可以通过计算和储存子问题的解来求解最终问题。
同时，我们也可以对动态规划进行空间压缩，起到节省空间消耗的效果。

        3.一些情况下，动态规划可以看成是带有状态记录（memoization）的优先搜索。状态记录的意思为，如果一个子问题在优先搜索时已经计算过一次，我们可以把它的结果储存下来，之后遍
历到该子问题的时候可以直接返回储存的结果。动态规划是自下而上的，即先解决子问题，再解
决父问题；而用带有状态记录的优先搜索是自上而下的，即从父问题搜索到子问题，若重复搜索
到同一个子问题则进行状态记录，防止重复计算。

如果题目需求的是最终状态，那么使用动态搜索比较方便；

如果题目需要输出所有的路径，那么使用带有状态记录的优先搜索会比较方便。

第一个简单动态规划题：求上n个台阶共几种方式（LC70题）

class Solution{
    public int climbStairs(int n){
        int[]dp=new int[n+1];
        dp[0]=1;
        dp[1]=1;
        for(int i=2;i<=n;i++){
            dp[i]=dp[i-1]+dp[i-2];
        }
        return dp[n];
    }
}