目录
前言
????????动态规划也是一种分治思想，分治算法是把原问题分解为若干子问题，自顶向下求解子问题，合并子问题的解，从而得到原问题的解。动态规划是把原问题分解为若干子问题，自底向上，先求解子问题，把结果存储在表格中，在求解大问题时直接从表格中查询小问题的解，避免重复计算，从而提高算法效率。
一、动态规划要素（条件）
????????1.最优子结构，问题的最优解包括子问题的最优解。如果不具有最优子结构则不能使用动态规划。
????????2.子问题重叠，在求解子问题时有大量子问题是重复的，那么只需求解一次，然后把它存储到表格中，以后使用时直接查询，不需重复求解。子问题重叠不是使用动态规划的必要条件，但是只有存在子问题重叠才能彰显动态规划的优势。线
二、动态规划算法设计步骤
????????1.分析最优解的结构特征
????????2.建立最优值递归式
????????3.自底向上计算最优值，并记录
????????4.构造最优解
????????很多复杂的问题很难找到递归式，但是一旦找到递归式，那么算法已经实现99%。
三、复杂度分析
????????时间复杂度：一般为O(n), O(n^2), O(n^3)等n的整数方，看其需要几重循环。
????????空间复杂度：一般为O(1),O(n), O(n*m)等，看其子问题最优解与几个控制量有关。
四、典型例题1——游艇租聘
????????问题描述：长江游艇俱乐部在长江上设置了n个游艇租聘站，游客可以在这些租聘站租用游艇，然后在下游的任何一个租聘站归还。游艇出租站i到j的租金为r(i, j)，1 <=? i< j<= n，设计一个算法，计算从出租站i到j所需的最少租金。
??????? 构造二维数组m[i][j]表示从出租站i到j的最少租金，那么两个子问题：(i, i+1, ... , k), (k, k+1, ..., j)最优值分别是m[i][k]和m[k][j]。
递归式：
伪代码：
void rent()
{
int i, j, k, d;
for(d = 3, d <= n; ++d)//将问题分为小规模d。d=0时，租金为0；d=1时，租金为单站租金
{
for(i = 1; i <= n-d+1; ++i)//起点
{
j = i+d-1;//终点
for(k = i+1; k < i+d-1; ++k)//换乘站，求解每一小规模子问题的解
{
int temp = m[i][k] + m[k][j];
if(temp < m[i][j]) m[i][j] = temp;
}
}
}
}????????总体的求解过程为沿着主对角线一层一层向上，直到右上角填充完毕，则右上角值为所求解。
??????? 时间复杂度O(n^3)，空间复杂度O(n^2)。如果在原数组上更新计算值，则空间复杂度可以优化到O(1)。
五、典型例题2——0-1背包问题
????????问题描述：动态规划针对不可切割物品，可切割物品可以使用贪心算法。
??????? 约束条件：
????????目标函数：
????????c[i][j]表示前i件物品放入容量为j的购物车可以获得的最大价值。
??????? 递归式：
for(int i = 1; i <= n; ++i)
{
for(int j = 1; j <= w; ++j)
{
if(j < w[i])//i物品重量大于购物车，则不放入
{
c[i][j] = c[i-1][j];
}else{//比较i物品放入后能否让购物车价值最大
c[i][j] = max(c[i-1][j], c[i-1][j-w[i]]+v[i]);
}
}
}????????总体求解过程一层一层求解，右下角为所求解。
??????? 时间复杂度O(n*W)，空间复杂度O(n*W)。
六、典型例题3——跳台阶问题
??????? 问题描述：有 N 阶楼梯，每次可上一阶或两阶，求有多少种上楼梯的方法。
??????? 容易证明该递推式是斐波拉切数列，
????????代码：
int jump(int n)
{
if(n < 3) return n;
int i = 1, j = 2, res = 0;
for(int k = 0; k < n-2; ++k)
{
res = i + j;
i = j;
j = res;
}
return res;
}????????时间复杂度O(n)，空间复杂度O(1)。
七、典型例题4——强盗抢劫问题
????????问题描述：强盗抢劫一排房间，每个房间都有钱，不能抢劫两个相邻的房间，要求抢的钱最多。
??????? 一维数组dp[i]是当抢到第i个数时，能抢到最大值，从局部最大值推到最终结果最大。
????????递归式：
????????代码：
int robber(vector<int> &nums)
{
int size = nums.size();
if(size == 0) return 0;
if(size == 1) return nums[0];
vector<int> dp(size, 0);
dp[0] = nums[0];
dp[1] = nums[0] > nums[1] ? nums[0] : nums[1];
for(int i = 2; i < size; ++i)
{
dp[i] = max(dp[i-2] + nums[i], dp[i-1]);
}
return dp[size-1];
}????????时间复杂度O(n)，空间复杂度O(n)。
总结
????????动态规划最大的优势在可以利用已知得出未知，求解过程中最重要且最困难的是要找出状态转移方程（递推式），同时还需要注意边界条件的设置。上述的经典问题解题思路具有较大参考价值。
