动态规划python

最新推荐文章于 2024-08-18 07:05:44 发布

()426

最新推荐文章于 2024-08-18 07:05:44 发布

阅读量308

点赞数

文章标签：动态规划算法

本文链接：https://blog.csdn.net/qq_62060170/article/details/128779404

版权

动态规划是一种解决复杂问题的方法，通过分解为子问题进行求解。核心思想是将问题逐步拆解，利用万能公式dp[i] = f(dp[j])进行状态转移，并设定base case。例如，在给定数列中选择元素以达到最大和或满足特定条件的和，相邻元素不可取等约束。

摘要由CSDN通过智能技术生成

1.定义

动态规划（英语：Dynamic planning，简称 DP），是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。

2.核心思想

把一个复杂问题不断拆分为子问题，逐个来解决。

万能公式：

dp[i]，dp[i][j]表示的含义；
dp转换状态：dp[i] = f(dp[j])
base case,即出口

3.例子

对于数列arr = [1，2，4，1，7，8，3]，如何选择才能使得到的值最大，限制：相邻元素不可取。

import numpy as np
arr = [1,2,4,1,7,8,3]
def dp_opt(arr):
  opt = np.zeros(len(arr)) #用0占位
  opt[0] = arr[0]          #出口
  opt[1] =max(arr[0],arr[1])    #出口
  for i in range(2,len(arr)):   
     A = opt[i-2] + arr[i]     #递归式子
     B = opt[i-1]
     opt[i] = max(A,B)
  return opt[len(arr)-1]
print(dp_opt(arr))

对于数列arr = [3,34,4,12,5,2]，取出几个数字，使得相加为9。