动态规划基础

最新推荐文章于 2024-09-26 16:50:25 发布

bo o ya ka

最新推荐文章于 2024-09-26 16:50:25 发布

阅读量592

点赞数

文章标签：数据结构与算法

原文链接：http://www.cnblogs.com/hoobey/p/5247134.html

版权

本文介绍了动态规划的基础知识，包括最优子结构、重复子问题、状态和状态转移方程的概念。动态规划通常用于最优化问题，解决具有最优子结构和子问题重叠性质的问题。文章列举了数字三角形和0-1背包问题作为示例，并探讨了动态规划的两种实现方式：记忆化搜索和递推计算。最后，强调了动态规划中初值设置和状态转移过程的重要性。

摘要由CSDN通过智能技术生成

1. 什么是动态规划：

动态规划，和分治法一样，是通过组合子问题的解而解决整个问题的。但不同的是，分治算法是指将问题划分成一些独立的子问题，递归求解各子问题，然后合并子问题的解而得到原问题的解。而动态规划适用于子问题不是独立的情况，也就是各子问题包含公共的子子问题。动态规划对每个子子问题只求解一次，将其结果保存在一张表中，从而避免每次遇到各个子问题时重新计算答案。

2.动态规划中的几个重要性质：

2.1最优子结构：

用动态规划求最优化问题的第一步是描述最优解的结构。如果问题的一个最优解中包含子问题的最优解，则该问题具有最优子结构。当一个问题具有最优子结构时，提示我们动态规划可能会适用（注意，在这种情况下，贪心策略可能也是适用的）在动态规划中，我们利用子问题的最优解来构造问题的一个最优解。不妨举例说明，对于0-1背包问题中，若f[i][j]表示考虑前i个物品，背包容量是j时的背包内物品的最大值，则f[i][j] = max { f[i-1][j] , f[i-1][j-V[i]] } ,那么若f[i-1][j] 或者f[i-1][j-V[i]]不是最优的，则f[i][j]也不会是最优解，这就是最优子结构。

2.2