动态规划(Dynamic Programming)是一种解决复杂问题的优化技术,通常用于解决最优化问题。以下是一个简单的示例,演示了如何在 Python 中实现动态规划算法的基本框架。这里以经典的斐波那契数列为例来展示动态规划算法的实现。
递归解法(未优化)
def fibonacci_recursive(n):
if n <= 1:
return n
else:
return fibonacci_recursive(n-1) + fibonacci_recursive(n-2)
# 测试斐波那契数列前10项
for i in range(10):
print(fibonacci_recursive(i))
动态规划解法
动态规划通常使用数组来存储中间结果,避免重复计算,提高效率。
def fibonacci_dp(n):
fib = [0] * (n + 1)
fib[1] = 1
for i in range(2, n + 1):
fib[i] = fib[i-1] + fib[i-2]
return fib[n]
# 测试斐波那契数列前10项
for i in range(10):
print(fibonacci_dp(i))
以上是一个简单的动态规划示例,用于计算斐波那契数列的前 n 项。在实际应用中,动态规划可以用于解决各种问题,例如最短路径问题、背包问题、序列比对等等。对于不同的问题,动态规划的状态转移方程和实现方式会有所不同。
如果你需要解决特定问题的动态规划实现,可以根据问题特点设计状态转移方程,并使用类似的方法编写动态规划算法。