动态规划的简单总结

最新推荐文章于 2023-05-09 22:02:56 发布

wut_zz

最新推荐文章于 2023-05-09 22:02:56 发布

阅读量471

点赞数 1

本文链接：https://blog.csdn.net/weixin_43425598/article/details/90056150

版权

本文是对动态规划的简单总结，主要分为两类问题：求最优解（如背包问题）和求解的个数（如整数拆分问题）。通过设立二维动态规划数组，利用状态转移方程求解，例如背包问题的关键状态转移方程是dp[i][r]=MAX(dp[i-1][r], dp[i-1][r-w[i]]+v[i])。动态规划的核心在于找到正确状态转移方程，有时可使用滚动数组减少空间复杂度。" 106696152,7169349,Python TCP网络编程实战,"['Python', '网络编程', 'socket']

摘要由CSDN通过智能技术生成

首先从斐波那契数列来看动态规划，递推公式为：f(n+2)=f(n+1)+f(n)。
若普通求解f(n)，则需要一直往下递推，直到f(1)和f(2)为止，但用动态规划，使用dp数组储存每个阶段的f(n)，则每次f的求解都不需要循环往下计算，只需调用dp数组中n-1与n-2阶段的f值即可。
    这样大大节约运行时间，动态规划也就是做这么件事。

动态规划的使用场景：各阶段的最优解有一定的相关型，某一阶段的最优解可以根据前一阶段的最优解再计算的来。
dp数组是最优解数组，任意数据是当前情况下的最优解（动态规划的核心）
如何确定dp数组（如何计算出dp数组）是解题的关键。（找出规律）

动态规划的题型我大概将其分为两类：
一：求最优解问题。（背包问题）
二：求解的个数问题。（整数的k拆分问题）

最优解问题：
最优解问题最有代表性的是背包问题。

问题描述：
有n个重量分别为{w1，w2，…，wn}的物品，它们的价值分别为{v1，v2，…，vn}，给定一个容量为W的背包。
设计从这些物品中选取一部分物品放入该背包的方案，每个物品要么选中要么不选中，要求选中的物品不仅能够放到背包中，而且重量和为W具有最大的价值。

问题解析：
对于可行的背包装载方案，背包中物品的总重量不能超过背包的容量