??给出一个数塔，要求从顶层走到底层，每一步只能从高层走到相邻的低层节点，求经过的结点的数字之和最大是多少？
??dynamic programming is a method for solving a complex problem by breaking it down into a collection of simpler subproblems.
??动态规划是通过拆分问题，定义问题状态和状态之间的关系，使得问题得以递推（或者说分治）的方式去解决。
??对于动态规划，大家可能会产生一些误解，将重点放在如何递推的求解问题，但如何拆分问题，才是动态规划的核心。而拆分问题，靠的就是状态的定义和状态转移方程的定义。
??首先，我们假设使用一个二维数组dp来表示这个数塔，类似这样：
??7 0 0 0 0
??3 8 0 0 0
??8 1 0 0 0
??2 7 4 4 0
??4 5 2 6 5
??数组中数塔之外的地方我们将数值填充为0，其中\(dp[0][0]\)表示数塔最顶部，\(dp[1][0]\)和\(dp[1][1]\)分别表示\(dp[0][0]\)下一层的左右两个相邻结点。
??状态定义之前，我们首先需要进行问题的定义和子问题的定义
??有人可能会问了，题目都已经在这了，我们还需定义这个问题吗？需要，原因就是这个问题在字面上看，找不出子问题，而没有子问题，这个题目就没办法解决。
所以我们来重新定义这个问题：
??如此，以上的\(F{i,j}\) 就是我们所说的状态，定义中的“\(F_{i,j}\)为\(dp[i][j]\)结点到达底部所经过结点的最大数字之和“就是我们所说的状态的定义。
??对于 \(F_{i,j}\) 来讲，\(F_{i-1,j}\) 和 \(F_{i-1,j+1}\) 就是\(F_{i,j}\)的子问题：因为 \(dp[i][j]\) 结点往下一层结点走的时候只有这两个相邻的结点可以选择
??上述状态定义好之后，状态和状态之间的关系式，就叫做状态转移方程。
在上一步我们得到了状态的定义：
\(F_{i,j}\)为\(dp[i][j]\)结点到达底部所经过结点的最大数字之和
??则状态转移方程为：
\(F_{i,j}\) = \(dp[i][j]\) + \(max(F_{i-1,j},F_{i-1,j+1})\)
??用语言解释一下就是：往下一层走的时候，选择两个结点中状态值最大的那一个
因为最底层的状态值就是本身的值，所以，我们就可以通过该方程从最底层一直往上递推，求得最高层的解
??这里可以看出，状态转移方程就是定义了问题与子问题之间的关系，也可以看出，状态转移方程就是一个带有条件判断的递推式。
??总的来说，动态规划是一种解决问题的观察角度，让问题能够以递推的方式来解决。所以，如何分析问题，才是动态规划的重点
??最后，附上我之前的解题报告：解题报告链接-点我查看解题报告
原文：https://www.cnblogs.com/zyx1301691180/p/11823672.html