动态规划入门全解析，面试必考的DP题！

原创

于 2026-09-14 09:06:59 发布 · 195 阅读

动态规划入门全解析，面试必考的DP题！

动态规划是面试算法题的重灾区，本文从基础到进阶，帮你掌握DP的核心思想。

一、动态规划基础

1.1 什么是动态规划

动态规划（Dynamic Programming，DP）是解决最优化问题的算法思想。

核心特征：

最优子结构：问题的最优解包含子问题的最优解
重叠子问题：子问题被重复计算
状态转移：当前状态由之前状态推导

1.2 DP解题步骤

定义状态：dp[i]表示什么含义
状态转移方程：dp[i]如何由之前的状态推导
初始条件：base case
计算顺序：从小到大计算

1.3 DP vs 递归 vs 贪心

// 斐波那契数列

// 递归（指数级）
int fib(int n) {
   
   
    if (n <= 1) return n;
    return fib(n-1) + fib(n-2);
}

// 记忆化搜索（O(n)）
int memo[100];
int fib(int n) {
   
   
    if (n <= 1) return n;
    if (memo[n]) return memo[n];
    return memo[n] = fib(n-1) + fib(n-2);
}

// DP（O(n)）
int fib(int n) {
   
   
    if (n <= 1) return n;
    vector<int> dp(n + 1);
    dp[0] = 0; dp[1] = 1;
    for (int i = 2; i <= n; ++i) {
   
   
        dp[i] = dp[i-1] + dp[i-2];
    }
    return dp[n];
}

// 空间优化DP（O(1)）
int fib(int n) {
   
   
    if (n <= 1) return n;
    int a = 0, b = 1;
    for (int i = 2; i <= n; ++i) {
   
   
        int c = a + b;
        a = b;
        b = c;
    }
    return b;
}

二、经典DP题目

2.1 爬楼梯

// 每次可以爬1或2个台阶，有多少种方法？
int climbStairs(int n) {
   
   
    if (n <= 2) return n;
    vector<int> dp(n + 1);
    dp[1] = 1; dp[2] = 2;
    for (int i = 3; i <= n; ++i) {
   
   
        dp[i] = dp[i-1] + dp[i-2];
    }
    return dp[n];
}

// 空间优化
int climbStairs(int n) {
   
   
    if (n <= 2) return n;
    int a = 1, b = 2;
    for (int i = 3; i <= n; ++i) {
   
   
        int c = a + b;
        a = b;
        b = c;
    }
    return b;
}

2.2 最小路径和

// 从左上到右下，路径数字和最小
int minPathSum(vector<vector<int>>& grid) {
   
   
    int m = grid.size(), n = grid[0].size();
    vector<vector<int>> dp(m, vector<int>(n));
    
    dp[0<