动态规划的简述

斐波那契数列形式缤纷,用简单的数学公式表示
F(n)=(n<=2时)
F(n)=F(n-1)+F(n-2)(n>2时)
转化为程序如下

int Fibonacci (int n)
{
  if (n<=2)
  {
    return 1;
  }
  else
  {
    return Fibonacci(n-1)+Fibonacci(n-2);
  }
}

但当n变的很大的时候,递归调用会以指数形式增加。因此实现斐波那契算法时,我们可以尝试想想可用for或者while代替吗?会更高效吗?

int Fibonacci (int n)
{
int vis1=1;//保存Fibonacci(n-1)的值
int vis2=1;//保存Fibonacci(n-2)的值
int result;//保存Fibonacci(n-1)+Fibonacci(n-2)的值
 if(n<=2return 1;
 for(int i=2;i<n;i++)
 {
    result=vis1+vis2;
    vis2=vis1;
    vis1=result;
 }
 return result;
}

当n足够大时此算法性能会远远超过第一种(递归)。
这整个过程看起来简单,但在实际操作过程中会遇到许许多多的问题,这我们还需要大量的练习和学习了解。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划是一种解决最优化问题的算法,它的基本思想是将问题分解为多个子问题,并通过存储中间结果来避免重复计算,从而得到问题的最优解。下面是动态规划的基本步骤: 1. 确定状态:将原问题转化为子问题,并确定子问题的状态。状态是指描述问题局面的变量,可以是一个或多个变量。例如,01背包问题的状态可以是背包容量和可选物品的编号。 2. 状态转移方程:根据子问题之间的关系,建立状态转移方程。状态转移方程描述了不同状态之间的转移关系,可以通过递推的方式计算出所有状态的最优解。例如,01背包问题的状态转移方程可以表示为:dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])。 3. 初始状态:确定初始状态。初始状态是指最简单的子问题的解,也就是递推的起点。例如,01背包问题的初始状态可以设为:dp[0][j] = 0。 4. 计算顺序:确定计算顺序。计算顺序是指按照某种顺序计算子问题的最优解,通常是从初始状态开始,按照一定的顺序计算每个状态的最优解。例如,01背包问题可以按照从左到右、从上到下的顺序计算每个状态的最优解。 5. 最优解:根据状态转移方程和计算顺序,计算出所有状态的最优解,并得到原问题的最优解。例如,01背包问题的最优解是dp[n][W],其中n为物品数量,W为背包容量。 综上所述,动态规划的基本步骤包括确定状态、建立状态转移方程、确定初始状态、确定计算顺序和计算最优解等步骤。通过这些步骤,可以解决各种最优化问题,并得到问题的最优解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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