基础算法2——动态规划（dynamic programming）【未完待续】

最新推荐文章于 2025-08-16 00:47:01 发布
最新推荐文章于 2025-08-16 00:47:01 发布
阅读量335 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 算法 文章标签： 算法 动态规划 递归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/R_Fan/article/details/51469785
本文介绍了一种通过将问题分解成更小的子问题并逐一解决，最终形成原问题的解决方案的方法——动态规划。该方法利用表格记录已解决的子问题答案，通过决策得出后续子问题的最优解。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1 基本思想

将待求解问题分解为若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。在求解子问题时，用一张表按顺序来记录已解决子问题的答案，并根据表中已有记录通过决策得到后面子问题的最优解，最后一个子问题的解就是原问题的解。

19、动态规划：解决复杂问题的强大工具
a1b2c3d的博客
06-11 11
本文详细介绍了动态规划这一强大的算法设计技术。内容涵盖动态规划的基本概念、关键特性、适用场景以及具体的实现方法。通过多个经典问题如斐波那契数列、最长公共子序列（LCS）、编辑距离、背包问题、矩阵链乘法等展示了动态规划的应用实例，并讨论了如何优化动态规划算法以提高效率。文章旨在帮助读者深入理解动态规划并将其应用于实际问题的解决中。
DP[dynamic programming]问题汇总分析解答（一）
ChessC的博客
01-16 515
DP的问题也是绕不开啊，基本思想从0-1背包而来，已经进行过总结了。其他还有好多种的变形，一种种来归纳吧 （一）两个序列的DP问题（给定两个string） 这类的题目总结后以下述几步解决即可。 1.在两个序列的情况下，往往是用二维DP vector<vector<int>> dp(m+1,vector<int>(n+1,0); 2.然后进行初始化，...
动态规划 (Dynamic Programming) 之 背包问题合辑 (Knapsack, Subset Sum, Partition and change making problem )
~。~|||
12-01 1333
背包问题一直是动态规划中的经典问题。这个问题又分成01背包，完全背包，多重背包，分组背包等等。。我在这里只记录下01背包(0-1knapsack)和完全背包(unboundedknapsack)。背包问题的简单描述就是有一个背包和一堆物品。每个物品有自己的大小和价值。我们希望在一个特定容量的背包中放入价值尽可能大的物品。01背包呢就是每个物品最多只能放一次，也就是要么放要么不放，所以被
动态规划的两种方式
Mr_LeeY的博客
10-09 1390
动态规划问题的两种处理方式：自底向上和自上向下。各自有各自的优势，以算法导论上的钢铁切割为例，贴出代码缓存一下。int maxvalue(int cur_length, int left) { int value1 = 0; if (a[left] || left == 0) { value1 = a[left]; } else {
Dynamic Programming（动态规划）
qq_21515253的博客
07-13 322
Dynamic Programming（动态规划） 一、定义 动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of opt...
第 4 章 动态规划算法_未完待续
weixin_44253237的博客
10-15 835
第 4 章 动态规划算法提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
C++动态规划及九种背包问题
weixin_70468627的博客
09-06 1903
c++背包问题及动态规划
动态规划DP（上）
fjj20140622的博客
07-22 765
本文介绍了动态规划(DP)的基本概念及典型应用。核心思想是通过分解问题为相互重叠的子问题，利用记忆化存储避免重复计算。文章通过多个例题详细讲解： 一维DP：硬币找零问题，用最少硬币凑金额； 二维DP：网格路径计数问题，计算机器人从左上到右下的路径数； 线性DP：最长递增子序列问题，分别给出O(n²)和O(nlogn)解法； 划分型DP：字符串回文划分问题，求最少回文划分数； 背包问题：包括01背包和完全背包，说明状态定义和转移方程差异。 每种问题都提供代码实现，并强调状态定义、转移方程和边界处理等关键步骤，
动态规划原理简介
weixin_45587086的博客
06-02 1197
参考《算法导论》动态规划一章 一.基本概念 1.动态规划（dynamic programming，programming指表）
动态规划（持续更新中~）
qq_21515253的博客
07-13 186
Dynamic Programming（动态规划） 一、定义 动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of opt...
简述模型预测控制——Introduction to Model Predictive Control (MPC)
止于至玄
07-29 4541
本文简要介绍下模型预测控制的基本原理与简单应用方法。
2023-10-12-iLQR算法公式推导（一）
hxy_1993_08_18的博客
02-21 2208
iLQR算法公式推导
莱文斯坦距离(编辑距离)算法 (Levenshtein Distance Algorithm)
aben_sky的专栏
10-15 4642
什么是 莱文斯坦距离算法 (Levenshtein Distance Algorithm) ? Levenshtein Distance，莱文斯坦距离，通常被称为编...
算法第四十三天：动态规划第四十三天part10（第九章）
m0_71209549的博客
08-13 396
可通过滚动数组优化到 O(min⁡(m,n))O(\min(m, n))O(min(m,n))。第一行、第一列全部为 0（额外加一行一列的 0，避免越界）。mmm 和 nnn 分别为两个数组的长度。结尾的最长公共子数组的长度。保存遍历过程中遇到的最大。2.最长连续递增序列。
算法应用上新！自适应更新策略差分进化算法求解球形多飞行器路径规划问题，附完整MATLAB代码
群智能算法开发
08-14 897
文章解决了球形多飞行器路径规划问题（SMAPPP），该问题旨在模拟未来探索地外行星或导弹轨迹的航天器路径规划研究。差分进化（DE）算法是一种经典的元启发式算法，应用于SMAPPP时不会产生令人满意的结果。受DE全局和局部搜索能力不平衡的约束，本文提出了一种自适应更新策略差分进化算法（SaUSDE），以增强其求解全局优化问题的性能。SaUSDE算法融合了四种截然不同的DE变体策略。在这些策略中，算法自适应且频繁地针对不同问题选择更合适的策略，从而有效地平衡全局和局部搜索能力。
插入排序专栏
2202_75362996的博客
08-14 883
本文详细解析了插入排序算法，包括其工作原理、Java实现和时间复杂度分析。插入排序通过将数组分为已排序和未排序区间，逐步将元素插入到正确位置，平均和最坏时间复杂度均为O(n²)，最好情况为O(n)。文章分析了不同情况下的性能表现，指出其适用于小规模或基本有序数据，并讨论了优化思路（如减少交换次数和使用二分查找）。作为稳定且空间复杂度O(1)的原地排序算法，插入排序在特定场景下效率较高，也可作为复杂算法的子过程。
自由学习记录（82）
red_redemption的博客
08-13 1007
文章摘要： 本文详细介绍了Bitonic排序算法的实现，包括其递归分治结构、位元合并操作以及数组补齐处理。算法通过将输入数组补全为2的幂次长度，执行递归排序和合并操作，最后裁切结果。文章还探讨了GPU动画烘焙技术，将骨骼动画预计算为顶点序列缓冲区，实现实例化共享动画数据。同时介绍了力场影响器系统，通过ComputeBuffer传递位置/力参数来操控群体行为，并提供了性能优化建议，如内存对齐、缓冲区管理和渲染时序控制。在渲染管线部分，对比了VFX Graph与传统粒子系统的差异，阐述了URP中自定义渲染通道的
十一，算法-快速排序
hai_qin的博客
08-14 1102
本文介绍了快速排序算法及其应用。快速排序是一种基于分区和递归的高效排序算法，其核心思想是通过选取基准值将数组分成两个子数组，然后递归排序。文章详细说明了分区过程的操作步骤和代码实现，并分析了其O(NlogN)的平均时间复杂度。此外还介绍了快速选择算法，该算法通过部分使用快速排序思想，能以接近线性时间复杂度O(N)解决选择特定顺序元素的问题。快速排序和快速选择虽然实现较复杂，但在效率上优于其他基础排序算法。
LeetCode 3467.将数组按照奇偶性转化
最新发布
tus00000的博客
08-16 143
将偶数（4 和 2）替换为 0，将奇数（1, 5 和 1）替换为 1。现在，nums = [1, 1, 1, 0, 0]。现在，nums = [0, 1, 0, 1]。按非递减顺序排序 nums，得到 nums = [0, 0, 1, 1, 1]。按非递减顺序排序 nums，得到 nums = [0, 0, 1, 1]。输入：nums = [1,5,1,4,2]输入：nums = [4,3,2,1]输出：[0,0,1,1,1]输出：[0,0,1,1]将每个偶数替换为 0。将每个奇数替换为 1。
动态规划算法基础讲解
动态规划是一种强大的算法，起源于1957年理查德·贝尔曼的研究，它在《Dynamic Programming》一书中被首次提出。贝尔曼同时也提出了著名的Ballman-Ford算法，用于解决包含负权边的最短路径问题，这是对Dijkstra算法...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值