动态规划_数学博客-专业IT技术发表平台

推荐付费专栏 VIP文章

软件架构师何志丹

【动态规划】P12349 [蓝桥杯 2025 省 B 第二场] 翻转硬币|普及+ 这道题目要求通过翻转行来最大化硬币的价值和。每个硬币的价值是其相邻相同状态硬币数的平方。我们可以使用动态规划来解决这个问题，状态转移考虑当前行及其上下行的翻转情况。具体来说，用三维状态表示前一行、当前行和下一行的翻转状态，通过枚举所有可能的翻转组合来找到最优解。时间复杂度为O(n)，空间复杂度为O(n)。最终答案为所有可能状态中的最大值。

阅读 1.8k

23赞

动态规划（一）——思想入门动态规划系列题目——思想入门+简单题目练习

阅读 1.8k

78赞

苏苏苏苏大霖

使用动态规划进行DNA序列比对：C#实现本文还有配套的精品资源，点击获取简介：DNA序列比对是通过动态规划算法比较序列的相似性以揭示遗传关系。C#语言可以用于实现这些算法，如Smith-Waterman和Needleman-Wunsch算法，分别用于局部和全局比对。算法通过构建二维矩阵，进行插入、删除、替换操作以找到最佳匹配。实现时涉及动态规划矩阵的填充、回溯解码以及考虑生物学特性的优化策略。 1. ...

阅读 2.2k

15赞

✿༺小陈在拼命༻✿

剑指offer第2版：动态规划+记忆化搜索前三题是同一种模型，所以我分别用递推、记忆化、动归来做

阅读 4.1k

201赞

别再说 SVN 老了！这5个场景它依然吊打 Git 摘要：尽管Git已成为主流，但SVN在特定场景下仍具优势。本文列举SVN优于Git的五大场景：1）细粒度目录权限控制，满足金融等行业合规需求；2）原生支持大型二进制文件管理，适合游戏、影视行业；3）对非技术人员更友好，简化协作流程；4）线性版本号便于传统行业审计追踪；5）与遗留系统工具链深度集成，降低迁移风险。技术选型应基于业务需求而非潮流，SVN在稳定性、合规性及简单性方面仍不可替代。

阅读 277

4赞

啊吧怪不啊吧

算法王冠上的明珠——动态规划之路径问题(第一篇）本文介绍路径类动态规划，其具无后效性等三大核心特征，可解路径数、最短路径等问题，解题分五步；结合三道例题展示含障碍物、最大价值的路径解法，强调虚拟行列重要性并给出C++代码。

阅读 3.0k

105赞

HOT100题打卡第27天——动态规划（hard）本文介绍了动态规划解决LeetCode第32题"最长有效括号"的思路。

阅读 836

31赞

程序员三明治

【动态规划】01背包与完全背包问题详解，LeetCode零钱兑换II秒解，轻松解力扣 01背包问题动态规划解法本文介绍了01背包问题的动态规划解决方案。背包容量为w，有n件物品，每件物品有重量和价值，且只能使用一次。通过构建二维dp数组，其中dp[i][j]表示前i件物品放入容量j背包的最大价值。递推公式为：dp[i][j] = max(不放入当前物品的价值，放入当前物品的价值)。初始化时，背包容量为0时价值均为0。遍历顺序可先物品后容量或反之，最终得到最大价值总和。该方法将暴力解法的指数复杂度优化为多项式时间复杂度。

阅读 2.8k

112赞

软件架构师何志丹

【C++动态规划】2088. 统计农场中肥沃金字塔的数目|2104 有一个矩形网格状的农场，划分为 m 行 n 列的单元格。每个格子要么是肥沃的（用 1 表示），要么是贫瘠的（用 0 表示）。网格图以外的所有与格子都视为贫瘠的。农场中的金字塔区域定义如下：区域内格子数目大于 1 且所有格子都是肥沃的。金字塔顶端是这个金字塔最上方的格子。金字塔的高度是它所覆盖的行数。令 (r, c) 为金字塔的顶端且高度为 h ，那么金字塔区域内包含的任一格子 (i, j) 需满足 r

阅读 5.3k

125赞

【OpenCV】(十九)光流估计光流估计

阅读 157

2赞

【 C/C++ 算法】入门动态规划 ----- 简单多状态 dp 问题》打家劫舍和股票买卖问题本章是dp的第三章，从第一章的简单理解dp的核心框架和写法&一维dp，再到第二章的路径问题&二维dp，到本章的多状态dp问题，本章将结合前面的所有基础引入多状态这个问题，并将由浅到深的从简单的打家劫舍两状态的dp到最后股票问题的四状态dp进行以练代学的方式学习。

阅读 1.9k

79赞

轨迹优化 | 微分动态规划DDP与迭代线性二次型调节器iLQR理论推导微分动态规划DDP与迭代二次型调节器iLQR是非线性轨迹优化中最常用的一类算法。本文从贝尔曼最优性原理出发，详细推导DDP与iLQR的算法脉络，并总结其正向反向传播的迭代过程

阅读 2.0k

58赞

【强化学习算法与动态规划】【强化学习算法在优化和控制问题中的应用】根据性能和效率对强化学习控制器进行了比较，并与经典线性二次调节器（LQR）控制器进行了单独比较（Matlab代码实现）强化学习算法，如SARSA、Q学习、演员-评论者策略梯度和价值函数近似，已应用于稳定反向摆系统并实现最优控制。因此，强化学习控制器的概念已经建立。根据性能和效率对强化学习控制器进行了比较，并与经典线性二次调节器（LQR）控制器进行了单独比较。每个强化学习控制器都与一个摆动上升控制器集成在一起。一个虚拟开关根据相对于垂直平面的角偏差θ的值自动切换摆动上升控制器和强化学习控制器。文献1：强化学习算法在摆车问题中的比摘要——随着系统变得复杂和固有非线性，设计最优控制器仍然具有挑战性。

阅读 787

20赞

《C++ 动态规划》第001-002题：第N个泰波拉契数，三步问题本文分享了两个动态规划算法题的解题思路与代码实现。第一个是第N个泰波拉契数问题，通过状态转移方程dp[i]=dp[i-1]+dp[i-2]+dp[i-3]求解，并给出了空间优化方案。第二个是三步问题，分析上台阶的不同方式得出状态转移方程dp[i]=dp[i-1]+dp[i-2]+dp[i-3]，强调取模运算的重要性。两题都采用从左往右填表顺序，并提供C++实现代码及空间优化版本，帮助读者理解动态规划的应用技巧。

阅读 1.8k

82赞

藤椒味的火腿肠真不错

动态规划-第六篇 a. a 存在，下标为 k ，并且 a < b ：此时我们知道以 k 元素以及 i 元素结尾的等差序列的个数 dp[k][i] ，在这些⼦序列的后⾯加上 j 位置的元素依旧是等差序列。设 nums[i] = b, nums[j] = c ，那么这个序列的前⼀个元素就是 a = 2 * b - c。dp[i][j] 表⽰：以 i 位置以及 j 位置的元素为结尾的所有的⼦序列中，最⻓的斐波那契⼦序列的⻓度。dp[i][j] 表⽰：以 i 位置以及 j 位置的元素为结尾的所有的⼦序列中，最⻓的等差序列的⻓度。

阅读 2.6k

93赞

C语言解决合并石子问题（动态规划经典案例）我们用 dp[i][j] 表示：将第 i 堆到第 j 堆石子合并成一堆的最小代价。目标：求出 dp[1][n]（假设石子堆从 1 开始编号，更符合直观思维）。合并石子问题是动态规划解决区间类问题的经典代表，核心思路是“区间划分+最优子结构”。通过定义dp[i][j]表示区间[i,j]的最小合并代价，利用前缀和快速计算区间和，再按照区间长度从小到大的顺序填充dp数组，最终得到结果。希望这篇文章能帮助大家理解合并石子问题的解法，同时巩固动态规划的思维。如果有疑问或者更好的解法，欢迎在评论区留言讨论～

阅读 940

21赞

动态规划：拆解复杂问题的艺术动态规划是一种通过拆分多阶段决策问题为可递推子问题，并存储子问题结果来优化计算效率的算法。其核心思想包括：1)将问题分解为无后效性的子问题；2)用空间换时间避免重复计算；3)从边界条件出发递推求解。设计要素包含问题适配性判断、状态定义、状态转移方程、边界条件、计算顺序和空间优化。典型应用包括投资问题（如资金分配、股票买卖）和背包问题（0-1背包、完全背包和多重背包）。其中，状态定义和转移方程是设计关键，需准确捕捉问题核心并建立递推逻辑，而计算顺序则确保依赖关系正确。通过合理设计，动态规划能有效解决许多复杂优

阅读 1.2k

29赞

C语言动态规划理论基础和基本实现在动态规划的思路中，我们通常需要定义一个状态来表示问题的某个阶段的最优解。在这个问题中，我们定义dp[i]表示偷到第 i 家时，前 i+1 家中的最大可偷金额。这里 i 的取值范围是从 0 到 n-1，其中 n 是数组的长度。

阅读 1.2k

9赞

代码随想录day35 动态规划3 背包空出物品i的容量后，背包容量为j - weight[i]，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]且不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值。因为一维dp的写法，背包容量一定是要倒序遍历（原因上面已经讲了），如果遍历背包容量放在上一层，那么每个dp[j]就只会放入一个物品，即：背包里只放入了一个物品。4.遍历顺序：只可以先遍历物品，再遍历背包容量。

阅读 1.0k

6赞

纪栋岑Philomena

动态规划状态设计终极指南：Learn-Algorithms中的7个核心技巧动态规划状态设计是算法学习中的关键环节，也是很多初学者感到困惑的地方。通过Learn-Algorithms项目中的丰富案例，我们可以总结出一套实用的状态设计技巧，帮助你快速掌握这个重要概念。## 什么是动态规划状态设计？**动态规划状态设计**就是定义问题的状态表示方式，这是解决动态规划问题的第一步。状态设计的好坏直接影响算法的效率和实现的复杂度。在Learn-Algorithms项目

阅读 1.1k

16赞

作者推荐

不吃粑粑-: 四星古神不敌王林

关注

前端小L: 持续更新算法去专栏，后续更新前端知识模块，带你循序渐进成为一名乐于求知的探索者。

关注

徐子童: 计算机萌新，愿与各位一起成长

关注

薯片锅巴: 前端学习.ing

关注

Wai-Ngai: 智障驾驶PPT攻城狮

关注

Darkwanderor: 以C++为主的程序员。博客是笔记中的一部分，经过几年的打磨变成更适合自己复习的风格。

关注

HeShi001: Dear Friends, This is HE SHI's blog. He is a current MSc student in Communications Engineering in NTU, and his research interest includes signal processing, RIS aided communications, optimization theory and Artificial Intelligence. Let's study together and learn from each other!

关注

李余雄霸天下: 李余雄霸天下

关注

利刃大大: 不怕山高，只怕腿软

关注

修炼地: dewi的博客

关注