动态规划怎么学？

学习一个算法没有捷径，更何况是学习动态规划，

跟我一起刷动态规划算法题，一起学会动态规划！

1. 题目解析

题目链接：64. 最小路径和 - 力扣（Leetcode）

这道题目不难理解，就是从右上角开始，

只能往右或者往下走，计算走到右下角的最小路径和即可。

2. 算法原理

1. 状态表示

dp[ i ][ j ] 就表示从起点到 [ i，j ] 位置的最小路径和。

2. 状态转移方程

根据最近的一步划分问题，而到 [ i，j ] 位置有两种情况，

一个是从上面来：dp[ i - 1 ][ j ] + g[ i ][ j ]

一个是从左边来：dp[ i ][ j - 1 ] + g[ i ][ j ]

而我们要求的是最小路径和，所以状态转移方程就是：

dp[ i ][ j ] = min( dp[ i - 1 ][ j ]，dp[ i ][ j - 1 ] ) + g[ i ][ j ]

3. 初始化

初始化是为了防止越界，所以我们只需要多加上面一行和左边一行即可,

不过里面填的值要保证不影响后面的填表，所以我们可以将整个表初始化成正无穷大，

然后为了让第一次填表不出问题，就把第一个位置上面的位置初始化成0即可。

4. 填表顺序

从上往下，从左往右

5. 返回值

返回右下角的最小路径和即可。

3. 代码编写

class Solution {
public:
    int minPathSum(vector<vector<int>>& grid) {
        int m = grid.size(), n = grid[0].size();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));
        dp[0][1] = 0;
        for(int i = 1; i <= m; i++) {
            for(int j = 1; j <= n; j++) {
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i - 1][j - 1];
            }
        }
        return dp[m][n];
    }
};