两个限制条件的动态规划java_分治算法与动态规划的区别

有时在递归编程时，你会多次调用具有相同参数的函数，这是不必要的 .

着名的例子斐波那契数字：

index: 1,2,3,4,5,6...

Fibonacci number: 1,1,2,3,5,8...

function F(n) {

if (n < 3)

return 1

else

return F(n-1) + F(n-2)

}

我们运行F(5)：

F(5) = F(4) + F(3)

= {F(3)+F(2)} + {F(2)+F(1)}

= {[F(2)+F(1)]+1} + {1+1}

= 1+1+1+1+1

所以我们称之为：1次F(4)2次F(3)3次F(2)2次F(1)

动态编程方法：如果多次调用具有相同参数的函数，请将结果保存到变量中，以便下次直接访问它 . 迭代方式：

if (n==1 || n==2)

return 1

else

f1=1, f2=1

for i=3 to n

f = f1 + f2

f1 = f2

f2 = f

我们再次打电话给F(5)：

fibo1 = 1

fibo2 = 1

fibo3 = (fibo1 + fibo2) = 1 + 1 = 2

fibo4 = (fibo2 + fibo3) = 1 + 2 = 3

fibo5 = (fibo3 + fibo4) = 2 + 3 = 5

如您所见，只要您需要多次调用，您只需访问相应的变量即可获取值而不是重新计算它 .

顺便说一下，动态编程并不意味着将递归代码转换为迭代代码 . 如果需要递归代码，还可以将子结果保存到变量中 . 在这种情况下，该技术称为memoization . 对于我们的示例，它看起来像这样：

// declare and initialize a dictionary

var dict = new Dictionary();

for i=1 to n

dict[i] = -1

function F(n) {

if (n < 3)

return 1

else

{

if (dict[n] == -1)

dict[n] = F(n-1) + F(n-2)

return dict[n]

}

}

因此，与分而治之的关系是D＆D算法依赖于递归 . 并且它们的某些版本具有“具有相同参数问题的多个函数调用” . 搜索需要DP以改善D＆D算法的T(n)的示例的“矩阵链乘法”和“最长公共子序列” .