动态规划专题(00)：线性动态规划

原创

已于 2026-04-08 22:52:39 修改 · 2.8k 阅读

于 2026-03-23 23:57:03 首次发布

一、线性动态规划的定义

具有线性阶段划分的动态规划算法称为线性动态规划（简称线性DP）。若状态包含多个维度，则每个维度都是线性划分的阶段，也属于线性DP。

1. 核心概念解读

动态规划（DP）：是一种解决复杂问题的高效算法思想，其核心是将原问题分解为相对简单的子问题，并通过保存子问题的解（即“状态”）来避免重复计算，最终获得原问题的解。
“线性”的含义：这里的“线性”特指问题求解过程在阶段划分上是线性的、顺序的。就像一条线，从起点（初始状态）开始，按照明确的、不可跳跃的顺序（阶段1 -> 阶段2 -> ... -> 阶段n）一步步推进到终点（最终状态）。整个决策过程形成一个清晰的“链条”。

2. 示意图解构

状态：图中 状态0， 状态1， ...， 状态n，代表了在解决问题过程中，各个“时间点”或“步骤点”的情况记录。状态0是初始状态，状态n是目标状态。
决策：图中每一个阶段都有每一个阶段的决策，决策1， 决策2， ...， 决策n，代表从前一个状态向后一个状态转移时，我们所做出的选择。每个决策都会产生一定的“代价”或“收益”，并导致状态发生变化。
阶段：图中底部的 阶段1， 阶段2， ...， 阶段n，正是线性划分的体现。每个阶段对应一次“决策+状态转移”的过程。阶段与阶段之间首尾相接，顺序固定，构成了线性的求解流程。
流程总结：整个算法从 状态0（初始条件）出发，在 阶段1根据 状态0做出 决策1，从而更新到 状态1；然后在 阶段2，再基于 状态1做出 决策2，更新到 状态2，如此线性推进，直至在 阶段n做出 决策n后，到达最终的 状态n，问题得以解决。

3. 对“多维度状态”的说明

定义的第二句话是理解的难点和关键。它指出，即使状态包含多个维度（例如用坐标 (i, j)表示位置），只要每个维度的变化是按线性顺序进行遍历或递推的，就仍然属于线性DP。

举例：在经典的“数字三角形”问题中，状态是二维的 (i, j)，表示第i行第j列。我们通常的求解顺序是：从第一行开始，一行一行（线性遍历i）地向下计算，在每一行内，可能从左到右或按特定顺序（线性遍历j）计算每个位置的最优值。虽然状态是二维的，但两个维度（i和j）的变化过程本身都是线性、有序的阶段划分，因此它依然是线性DP。

总结

线性动态规划是一种将问题建模为“多阶段决策过程”的算法模型，其核心特征是阶段的线性、顺序依赖性。 无论状态是单一变量还是多维变量，只要决策推进的“时间线”或“逻辑顺序”是线性的，就可以用线性DP的思路来解决。图片中的示意图正是这一单向、链式决策过程的经典可视化表示。常见的最长上升子序列、背包问题、最短路径问题等，都是线性DP的典型应用。

实例讲解1：爬楼梯

题目描述（HDU2041）：一个楼梯共有M级台阶，刚开始时我们站在第1级台阶上，若每次只可以走上一级或二级台阶，则要走上第M级台阶共有多少种走法？

输入：第1行包含一个整数N，表示测试用例的个数。然后是N行数据，每行都包含一个整数M（1≤M≤40），表示楼梯的级数。

输出：对每个测试实例都输出不同走法的数量。

输入样例输出样例
2 1
2 2
3

二、题意讲解

1. 问题理解

这是一个经典的动态规划问题，类似于斐波那契数列问题。我们需要计算从第1级台阶走到第M级台阶的不同走法数量，约束条件是：

每次只能向上走1级或2级台阶
起始位置是第1级台阶
目标位置是第M级台阶

2. 关键点分析

当M=1时：已经在第1级，不需要走，有0种走法（不动）
当M=2时：从第1级到第2级，只能走1步（1级），有1种走法
当M=3时：从第1级到第3级，有两种方式：
1. 先走1级到第2级，再走1级到第3级
2. 直接走2级到第3级
  
  因此有2种走法
M=4：1+1+1、1+2、2+1，共3种。

三、解题思路

1. 数学递推关系

设f(n)表示从第1级走到第n级的走法数，则有以下递推关系：

f(1) = 0
f(2) = 1
f(3) = 2
f(n) = f(n-1) + f(n-2)，当n ≥ 3时

解释：要到达第n级台阶，可以从第n-1级走1步上来，或者从第n-2级走2步上来。

只需要把n-1和n-2看成子问题，如果n-1对应a种走法，n-2对应b种走法，那么n级台阶就有a+b种走法。

1.原问题的最优解包含子问题的最优解，满足最优子结构

2.满足无后效性，因为从下往上走，和后边的子问题没有关系。

满足无后效性和最优子结构就可以使用动态规划。

2.解题方法

解法1：递归

/climbStairs_00_rec_00.cc


// 方法：递归
#include <iostream>
#include <vector>

using namespace std;

int fib(int n)
{
    if (n <= 3) {
        return n - 1;
    }
    return fib(n - 1) + fib(n - 2);
}

int main()
{
    int n = 0; // 测试数据组数
    int m = 0; // 楼梯级数（1≤M≤40）
    cin >> n;
    for (int i = 0; i < n; ++i) {
        cin >> m;
        cout << fib(m) << endl;
    }
    return 0;
}

复杂度分析：

时间复杂度：O(2ⁿ)，因为递归树呈指数级增长。
空间复杂度：O(n)，递归调用栈深度。

优点：

代码极简，直观反映数学定义。

缺点：

效率极低，对于 M=40 就会产生大量重复计算，不可用。

解法2：记忆化递归（自顶向下DP）

/climbStairs_00_rec_01.cc

思路：
在递归的基础上，使用一个数组 dp[] 保存已经计算过的 f(n) 值。当再次需要时直接返回，避免重复递归。


// 方法：记忆化递归
// 不需要重复求解已经计算过的数据
#include <iostream>
#include <vector>

using namespace std;

int recursion(int n, vector<int> & dp)
{
    if (n <= 3 || dp[n] != 0) {
        // != 0说明第n级楼梯的走法已经计算过，不需要重复计算，直接返回结果
        return dp[n];

标签