动态规划基础-CSDN博客

本文链接：https://blog.csdn.net/youyou120518/article/details/129371435

文章介绍了使用递归算法计算兔子数列的优缺点，指出在大数据规模下递归的效率问题，并提出了通过动态规划和记忆化搜索进行优化的方案。给出了递归、记忆化搜索及动态规划的代码实现，并讨论了动态规划的核心概念和应用，包括背包问题、最长不降子序列等典型问题。

摘要由CSDN通过智能技术生成

1.用递归算法求兔子数列

1.1 优点：程序代码简洁明了

1.2 缺点：当数据规模较大时运算时间很长，原因是有重复运算

1.3 优化：用动态规划算法进行优化（记忆化搜索）

1.4 代码

#include <bits/stdc++.h>
using namespace std;
int f (int n)
{
	return n<=2?1:f(n-1)+f(n-2); //三目运算
}
int main()
{
	cout<<f(20);
	return 0;
}

2.记忆化搜索求兔子数列

代码

注：记忆化搜索就是用额外的空间来换取时间。

#include <bits/stdc++.h>
using namespace std;
int a[1000] ;
int f(int n);
int main()
{
	cout<<f(60);
	return 0;
}
int f(int n)
{
	if(a[n]==0) //没有计算过才计算 
	{
		if(n<=2)
		{
			a[n]=1;
	    } 
	    else
	    {
	    	a[n]=f(n-1)+f(n-2);
		}
	}
	return a[n];
}

3.动态规划求兔子数列

3.1 动态规划是一步一总结，步步为营，稳扎稳打。

3.2 动态规划的关键是递推公式，也称之为状态转移方程，非常难推出

3.3 动态规划的代码很短，但是非常抽象，非常难理解。

3.4 常用名词：阶段，阶段变量，状态，状态变量

3.5 代码

#include <bits/stdc++.h>
using namespace std;
long long f[1000];
int main()
{
	int n=100;
	f[1]=f[2]=1;
	for(int i=3;i<=n;i++)
	{
		f[i]=f[i-1]+f[i-2];
	}
	cout<<f[n];
	return 0;
}

4.动态规划的主要问题类型：、

4.1 背包问题：01背包（每种物品只有一个），完全背包（每种物品有无数个），多重背包（每种物品有若干个个），二维背包（限制因素有两个，比如体积和重量）。（注：背包问题的三要素：耗费，收益和限制）

4.2 最长不降子序列

4.3 最长公共子序列

4.4 区间动态规划