动态规划(Dynamic Programming,简称DP)是一种解决问题的算法思想,用于解决具有重叠子问题和最优子结构性质的问题。它通过将问题分解为子问题,并保存子问题的解,以避免重复计算,从而提高算法的效率。
动态规划通常用于优化递归算法,将递归中重复计算的子问题结果存储起来,避免重复求解,从而减少时间复杂度。
动态规划有两个关键概念:
-
重叠子问题(Overlapping Subproblems): 指在递归解决问题的过程中,同一个子问题会被多次重复计算。动态规划通过将子问题的解保存在表格中,避免重复计算,从而优化算法。
-
最优子结构(Optimal Substructure): 指问题的最优解可以由子问题的最优解构造得出。也就是说,全局最优解可以通过局部最优解递推得到。
动态规划的基本思想是自底向上的解决问题。它通常采用迭代的方式,通过求解子问题并保存子问题的解来逐步求解更大规模的问题,直至得到最终问题的解。
动态规划问题通常有两种实现方式:自顶向下的递归与记忆化搜索(Memoization)和自底向上的迭代。自顶向下的递归是自然而然的,但可能存在重复计算,因此引入记忆化搜索来优化。自底向上的迭代则是利用动态规划的核心思想,通过建立一个表格,按顺序计算子问题,从而得到最终问题的解。
动态规划常用于求解一些优化问题,例如最短路径、最大值、最小值、最长子序列等等。它是算法设计中的重要工具,许多复杂问题可以通过动态规划得到高效解决。