动态规划是一种解决复杂问题的有效方法，常用于数学、计算机科学等领域。它通过分解问题并利用子问题的最优解来减少计算。动态规划有自顶向下（记忆化递归）和自底向上（递推）两种策略，并且具有无后效性，能避免重复计算，提高效率。常见应用包括LeetCode等算法题目，适合解决有重叠子问题和最优子结构特征的问题。
动态规划—入门到起立
动态规划（英语：Dynamic programming，简称 DP）是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。
动态规划常常适用于有重叠子问题和最优子结构性质的问题，并且记录所有子问题的结果，因此动态规划方法所耗时间往往远少于朴素解法。
动态规划有自底向上和自顶向下两种解决问题的方式。自顶向下即记忆化递归，自底向上就是递推。
使用动态规划解决的问题有个明显的特点，一旦一个子问题的求解得到结果，以后的计算过程就不会修改它，这样的特点叫做无后效性，求解问题的过程形成了一张有向无环图。动态规划只解决每个子问题一次，具有天然剪枝的功能，从而减少计算量。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
