动态规划(Dynamic Programming)是一种在计算机科学中常用的算法设计和优化技术。它是通过将问题分解成子问题,并将子问题的解存储起来,以便之后的计算中重复使用。动态规划常用于求解最优化问题,如最短路径、最长公共子序列等。
动态规划的基本思想是通过最优子结构来推导出问题的最优解。我们通过递归的方式解决子问题,并将子问题的解存储起来,以避免重复计算。
下面以一个经典的例子来详细介绍动态规划的思想和实现方法:求解斐波那契数列。
斐波那契数列是一个递归定义的数列,前两个数为0和1,后面的每个数都是前面两个数的和。即:F(n) = F(n-1) + F(n-2),其中F(0) = 0,F(1) = 1。
动态规划的解法是将问题分解成子问题,并将子问题的解存储起来。对于斐波那契数列,我们可以使用一个数组来保存前面的计算结果,以便之后的计算中重复使用。
#include <iostream>
using namespace std;
int fibonacci(int n) {
int* dp = new int[n + 1]; // 创建一个数组来保存计算结果,默认为0
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]; // 计算第i个斐波那契数
}
int result = dp[n];
delete[] dp; // 释放动态分配的内存
return result;
}
int main() {
int n;
cout << "请输入n的值:";
cin >> n;
cout << "斐波那契数列的第" << n << "个数是:" << fibonacci(n) << endl;
return 0;
}
以上代码中,我们使用一个数组dp
来保存计算结果。首先,将dp[0]
和dp[1]
初始化为0和1。然后,利用循环计算dp[i]
(其中i
从2开始,直到n
)。最后,返回dp[n]
,即斐波那契数列的第n
个数。
通过使用动态规划的思想,我们避免了重复计算,提高了算法的效率。