动态规划小结

算法进阶：从“套公式”到“识破”动态规划（DP）

在学习动态规划时，最大的痛苦莫过于：看题解像看小说一样顺畅，自己写时却连第一步“定义状态”都迈不出去。 本文将带你跳出死记硬背的怪圈，通过剖析核心概念与实战逻辑，帮你建立起真正的 DP 直觉。

DP 识别雷达：什么时候该想到它？

在没有标签提示的情况下，如果题目满足以下特征，你的“DP 雷达”就该响了：

1. 目标关键词

• 求最值：最大利润（股票）、最小步数（路径）、最长序列（LIS）。
• 求方案总数：有多少种走法、有多少种拼凑组合。
• 求可行性：是否能凑出目标金额、是否能拆分字符串。

2. 决策结构

如果题目要求你做出一系列决策，且当前的决策会依赖之前的状态，但不影响之后还没做的决策，这通常就是 DP。

核心基因：判定 DP 的标准

1. 重叠子问题 (Overlapping Subproblems)：

• 逻辑：在解决大问题时，会反复遇到相同的小问题。
• 策略：既然算过一次，就用空间换时间（存入数组），下次直接查表。

2. 最优子结构 (Optimal Substructure)：

• 逻辑：大问题的最优解可以由小问题的最优解推导而来。
• 类比：如果你想找北京到上海的最短路，它一定包含北京到南京的最短路。

专业术语深度解码

1. 状态 (State) —— “游戏的存档点”

状态是某个阶段的“进度存档”，它必须包含解决后续问题所需要的所有必要信息。

• 打家劫舍： 是“偷到第 家时的最高金额”。
• 股票买卖： 不仅记录了天数，还记录了“是否持股”这个关键维度。

2. 无后效性 (No-aftereffect) —— “存档的纯粹性”

这是 DP 最抽象也最核心的概念。它要求：一旦当前状态确定，未来的演变只取决于当前值，与你是如何到达这个状态的历史路径无关。

💡 形象类比：RPG 游戏的存档

• 【有后效性的存档】（坏存档）：存档里只记了你的“当前位置”。读档后你发现：因为你之前没拿钥匙，现在进不去门。这意味着“位置”这个状态不够用，历史（拿没拿钥匙）还在干扰未来。
• 【无后效性的存档】（好存档）：存档里记了“位置 + 钥匙情况”。不管你是怎么拿到钥匙的，只要在这个位置且有钥匙，后序通关难度完全一样。历史被彻底浓缩进了状态里。

🔍 深度案例：LeetCode 174《地下城游戏》

在这道题中，骑士血量必须全程 。

• 正向推导（产生后效性）：
  如果你记录“当前剩余血量”。

• 路径 A：剩 100 血，但之前最惨时剩 1（门槛高）。

• 路径 B：剩 50 血，但之前最惨时剩 40（门槛低）。
  此时你无法判定 A 还是 B 更好，因为现在的优劣受未来（是否有大怪）和过去（起伏情况）双重牵扯。

• 逆向推导（消除后效性）：
  定义 为：“从当前格出发直到终点，骑士进入该格前至少需要的血量”。
  当你算出这个值（比如需要 5 点血），那么不管你之前经历了什么，只要进门时有 5 点血，你就一定能通关。历史被切断了，未来变得可预期，这就是无后效性。

3. 状态转移方程 (State Transition Equation)

它是 DP 的灵魂，描述了状态如何“演变”。

• 公式：$dp[i]=\max (dp[i-1],\text{nums}[i]+dp[i-2])$
• 本质：这是在每一个决策点做出“最优取舍”。

实战套路：攻克 DP 的四步法

1. 定义状态：问自己，“为了继续做题，我最少需要记住哪些信息？”（确定维度）。
2. 推导方程：思考“最后一个动作是什么？”（选或不选？左还是下？）。
3. 确定初始化：填好最简单的边界（如 ），这是启动循环的“第一推”。
4. 确定遍历顺序：通常是自底向上。确保你在算 时，它需要的子问题（如 ）已经算好了。

总结

• 如果你发现状态不够用：说明存在后效性。尝试增加维度（给状态打补丁）或者改变推导方向（正难则反）。
• 空间换时间：不要害怕开数组。如果空间太大，再考虑使用“滚动数组”优化。