动态规划学习入门（小白零基础）
基础概念
- 如果某一问题可拆解成若干重叠子问题，即可用动态规划解决。
重叠子问题：比如斐波那契数列F(n)可分解成F(n-1)+F(n-2),而F(n-1)又可继续向下分解，而分解的过程相同，这就是重叠子问题。
- 在解决过程中不可避免的会遇到公式，用dp数组去解答问题，而这就需要明确dp数组在题目中的定义。
比如斐波那契数列求F(5),公式为F(n) = F(n-1)+F(n-2);
我们明确：dp[n]的定义为F(n)的值，dp(n) = dp(n-1)+dp(n-2);
思路入门
- 确定dp数组以及下标的含义
- 确定递推公式（dp数组表达）
- dp数组如何初始化
- 确定遍历顺序
- 如果没通过，则举例debug查错。
例题分析
[leetcode原题：使用最小花费爬楼梯](746. 使用最小花费爬楼梯 - 力扣（LeetCode）)
题目描述：
给你一个整数数组 cost ，其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用，即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
示例：
示例1：
输入：cost = [10,15,20]
输出：15
解释：你将从下标为 1 的台阶开始。
- 支付 15 ，向上爬两个台阶，到达楼梯顶部。
总花费为 15 。
示例2：
输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。
解题思路：
- 首先，题目里说cost[i]是从第i阶向上爬的费用，从示例里我们能看出，真正的楼梯阶数是cost数组的长度+1。
- 我们可这样想到达楼梯顶部和什么有关系？当然是和顶部的下一阶和下下一阶有关系了，因为这是到达顶部的两种方式（题目里说可一步爬一个或两个台阶）。所以，我们设一共有n阶，爬到顶部费用为dp[n],我们要找的是它和dp[n-1],dp[n-2]的递推关系。
方法：
方法有两种，这里都以Java为编程语言实现！
方法一：
我们把dp[n]看成是爬到第n阶楼梯所要付的费用，而要爬到n阶，只有两种选择，就是从n-1阶和n-2阶，因为说最小，所以取两者之间的最小值。
递推公式：dp[n] = min{dp[n-1]+cost[n-1],dp[n-2]+cost[n-2]}
初始化：dp[0] = 0; dp[1] = 0;也就是一开始的这两个起始台阶不花钱，毕竟我只是登上，还没往上爬呢。
遍历顺序：一阶一阶往上求
代码实现：
class Solution {
public static int minCostClimbingStairs(int[] cost) {
int length = cost.length;
int[] dp = new int[length+1];
dp[0] = 0;
dp[1] = 0;
for(int i = 2;i<=length;i++){
//定义 dp[i]:到达第i层台阶所花费的最小费用
//比较条件出问题了！不应该比dp，因为dp[i-1]和dp[i-2]到达dp[i]还要花钱
if(dp[i-1] + cost[i-1] < dp[i-2] + cost[i-2]){
dp[i] = dp[i-1] + cost[i-1];
}else{
dp[i] = dp[i-2] + cost[i-2];
}
}
return dp[length];
}
}
方法二：
我们把dp[n]看成是从第n阶往上爬要付的费用。
递推公式：dp[n] = min{dp[n-1],dp[n-2]} + cost[n]
初始化：dp[0] = cost[0]; dp[1] = cost[1];
遍历顺序：一阶一阶往上求
代码实现：
class Solution {
public static int minCostClimbingStairs(int[] cost) {
int length = cost.length;
int[] dp = new int[length+1];
dp[0] = cost[0];
dp[1] = cost[1];
for(int i = 2;i<length;i++){
//注意这里是i<length,没有 = ，因为爬到顶阶就好了，不需要计算从顶阶往上爬的费用鸭
if(dp[i-1]< dp[i-2]){
dp[i] = dp[i-1] + cost[i];
}else{
dp[i] = dp[i-2] + cost[i];
}
}
return dp[length-1]<dp[length-2]?dp[length-1]:dp[length-2];
}
}