在做 DP 题时，最常遇到的困境是："看题解秒懂，自己写就懵，尤其是那个核心的转移方程，到底是怎么想出来的？"
今天，从 LeetCode 上一道最经典的入门题------70. 爬楼梯 提炼出一套普适的动态规划解题框架。
一、 引言：从爬楼梯说起
题目描述：
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？
这题看似是排列组合，实际上是一道标准的动态规划题。
二、 动态规划的核心：状态与转移
动态规划的本质是通过定义状态和状态之间的递推关系，将大问题拆解为小问题，并利用历史结果避免重复计算。
要写出正确的代码，必须回答两个问题：
状态定义（State） ：
dp[i]代表什么？状态转移方程（Transition） ：
dp[i]和dp[i-1]、dp[i-2]等有什么关系？
1. 状态定义
对于爬楼梯，最自然的定义是：
dp[i]表示：到达第i阶楼梯的方法总数。
2. 推导状态转移方程（核心难点）
如何从已知状态推导出 dp[i]？
关键思考法：最后一步法（逆向思维）
想象你已经站在了第 i 阶楼梯上。你是怎么上来的？题目规定你只能爬 1 阶或 2 阶。
情况 A：你是从第
i-1阶爬 1 阶上来的。情况 B：你是从第
i-2阶爬 2 阶上来的。
因为这两条路径是互斥的（要么最后一步跨1阶，要么跨2阶），所以到达第 i 阶的方法总数 = 到达第 i-1 阶的方法数 + 到达第 i-2 阶的方法数。
由此得出转移方程：
dp[i]=dp[i−1]+dp[i−2]注意：这里用的是加法，而不是 max，因为题目求的是"总数"，不是"最大步数"。
3. 边界条件与初始化
dp[1] = 1：到第1阶只有1种方法（爬1阶）。
dp[2] = 2：到第2阶有2种方法（1+1 或 2）。
dp[0]：理论上不需要用到，但有时为了方便计算可以设为1。
4. 正确的代码实现（C++）（其实就是斐波那契数列）
cpp
class Solution {
public:
int climbStairs(int n) {
// 边界判断：防止数组越界
if (n <= 2) return n;
vector<int> dp(n + 1);
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
// 状态转移方程
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
};
进阶优化：由于 dp[i] 只依赖前两个状态，可以把空间复杂度从 O(N) 优化到 O(1)，用两个变量滚动更新即可。
三、 普适化：如何识别不同类型的动态转移方程？
爬楼梯是"线性DP"的入门，但在实际算法题中，DP 题型千变万化。下面是 DP 常见的转移方程类型的五大模式。
模式一：线性递推（爬楼梯型）
-
特征：状态按照线性顺序（如数组下标、楼梯阶数）依次递推。
-
方程形式 ：
dp[i] = dp[i-1] + dp[i-2]或带有权重的dp[i] = min(dp[i-1], dp[i-2]) + cost[i]。
模式二：区间 DP（合并型）
-
特征 ：状态通常定义在区间
[i, j]上，大区间的解由小区间合并而来。 -
方程形式 ：
dp[i][j] = min/max(dp[i][k] + dp[k+1][j] + cost)，其中k是分割点。 -
思考技巧 ：枚举分割点。把大问题切分成两个子问题，再加合起来的代价。
模式三：背包 DP（选择型）
-
特征：给定一个容量限制（背包），在若干物品中选择，求最大价值或方案数。
-
方程形式：
-
0-1背包（每个物品只能选一次）：
dp[j] = max(dp[j], dp[j-w[i]] + v[i])（注意逆序遍历j）。 -
完全背包（物品无限）：
dp[j] = max(dp[j], dp[j-w[i]] + v[i])（正序遍历j）。
-
-
思考技巧 ："选"与"不选" 。当前容量
j，对于物品i，要么不选（保持dp[j]），要么选（腾出空间w[i]放入）。
模式四：双序列 DP（匹配型）
-
特征：涉及两个字符串或两个数组，通常需要二维 DP 表。
-
方程形式 ：
dp[i][j]表示A的前i个和B的前j个的某种关系。-
若
A[i] == B[j]，则dp[i][j] = dp[i-1][j-1] + 1（或直接继承）。 -
若不等，则
dp[i][j] = max(dp[i-1][j], dp[i][j-1])。
-
-
思考技巧 ：画二维表格。考虑当前字符匹配时，左上角怎么转移；不匹配时，左边或上边怎么转移。
模式五：树形 DP
-
特征：数据结构是树，状态在递归回溯时从子节点传递给父节点。
-
方程形式 ：通常结合 DFS，
dp[node][0/1]表示节点选或不选的状态。 -
思考技巧 ：后序遍历。先算清楚左右子树的状态，再决定当前节点的状态。
四、 总结：动态规划解题四步走
当你面对一道新题，怀疑它是 DP 时，请按以下步骤操作：
-
定义状态 ：明确
dp数组的含义（一维还是二维？下标代表什么？）。 -
找转移方程 ：思考**"最后一步"** 是怎么来的，或者**"当前状态"** 可以由哪些**"前驱状态"**推导出来。这是最关键的一步，通常需要分类讨论（如选/不选、匹配/不匹配）。
-
确定初始值 ：
dp[0]、dp[1]等边界是什么？注意数组越界问题（如爬楼梯中n=1的情况）。 -
确定遍历顺序 ：是从前往后，还是从后往前？是外层循环物品还是内层循环容量？确保计算
dp[i]时，依赖的状态已经计算完毕。