进行算法设计的时候，时常有这种体会：假设已经知道一道题目能够用动态规划求解，那么非常easy找到对应的动态规划算法并实现；动态规划算法的难度不在于实现，而在于分析和设计—— 首先你得知道这道题目须要用动态规划来求解。

本文，我们主要在分析动态规划在算法分析设计和实现中的应用，解说动态规划的原理、设计和实现。在非常多情况下，可能我们能直观地想到动态规划的算法。可是有些情况下动态规划算法却比較隐蔽。难以发现。

本文。主要为你解答这个最大的疑惑：什么类型的问题能够使用动态规划算法？应该怎样设计动态规划算法？

一、缓存与动态规划

分析：非常显然，这道题的相应的数学表达式是F(n)=F(n-1) + F(n-2);当中F(1)=1, F(2)=2。

非常自然的状况是，採用递归函数来求解：

int  solution(int n){
	if(n>0 && n<2) return n;
	return solution(n-1) + solution(n-2);
}

int dp[11];
int  solution(int n){
	if(n>0 && n<2) return n;
	if(dp[n]!=0) return dp[n];
	dp[n] = solution(n-1) + solution(n-2);
	return  dp[n];
}

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

例二：01背包问题

有n个重量和价值分别为vector<int> weight, vector<int> value的物品；背包最大负重为W，求能用背包装下的物品的最大价值？

採用穷举法，必定须要可以举出全部状态，不重不漏；而怎样穷举，方法多种多样,我们的任务是要穷举有n个元素组成的全部子集。

而穷举的方法主要有两种—— 递增式（举出1～100之内的全部数字， 从1到100）；和分治式的穷举（比如举出n个元素的集合。包括两种—— 含有元素a和不含元素a的）。于是，我们基于穷举法得到背包问题的第一种算法—— 递归与分治。

int rec(int i, int j){//从i到n号物品，选择重量不大于j的物品的最大价值
	int res;
	if(i==n){
		res=0;
	} 
	else if(j< w[i]){
		res = rec(i+1, j);
	}
	else{
		res = max(rec(i+1, j), rec(i+1, j-w[i])+v[i]);
	}
	return res;
}

调用res(0, W), 就可以得到结果. 时间复杂度O(2^n)；我们来分析一下递归调用的情况。