動態規劃嚴格上不是一種演算法，而是一種優化，用於去除重複計算。
看一道簡單的題目：
現在有編碼方式:a->'1'，b->'2'……z->'26'，現給出乙個數串，要求有幾種解碼方式？
動態規劃考慮問題的基礎是分解問題，所以一種提倡的方式就是先寫遞迴形式，再轉成遞推。
而分解問題的要點是，不要執著於要一口氣得到最終解。所謂分解問題，就是降模，也就是在考慮n規模的時候，先考慮n-1的規模。
此時我們假設i規模的問題已解決【先將解決方法當成黑盒】，然後考慮i+1的規模。
帶入此題，假設我們已經求出前i個字元的劃分方式，在考慮第i+1個字元的時候，如果把第i+1個字元當成是被劃分出來的單個字元，那麼dp[i+1]=dp[i]。第二種情況，上述最大被劃分的數是26，最多兩位，所以兩位劃分的情況是10~26，特判一下ai和ai+1是否能構成滿足條件的數，滿足則dp[i+1]還需要累加上dp[i-1]。
**：#include
#include
using namespace std;
int dp[100];
char tar[100];
int main()
}printf("%d",dp[len]);
}不好意思上述**有問題，現在給出修正**：
修正1：字串從索引1開始儲存，前0個字元的劃分方式是1，不是0。
修正2：字元長度為1的邊界，直接列印1即可，不然在特判是否是兩位中低位的時候會越界。
修正3：字元0，只能作為兩位中的低位考慮，不能作為單字元劃分，因此單字元的情況下的初始值為0而不是dp[i-1]。
#include
#include
using namespace std;
int dp[100];
char tar[100];
int main()
dp[1]=1;
int len=strlen(tar+1);
if(len==1)
for(int i=2;i<=len;i++)
}
printf("%d",dp[len]);
}
演算法 動態規劃之斜率優化
斜率優化通常使用單調佇列輔助進行實現，用於優化 dp 的時間複雜度。使用單調佇列優化 dp 通常可以解決型如 dp i min f j g i 的狀態轉移方程。其中 f i 是只關於 i 的函式，g j 是只關於 j 的函式。樸素的解決方法是在第二層迴圈中列舉 j 來實現最小值，時間複雜度為 o n...
演算法之動態規劃
一 思想 首先要了解 動態規劃 必須先知道什麼叫做 多階段決策 百科裡面對這個問題解釋的很全，我就load一段出來，大家得要好好品味，好好分析。上面圖中最後一句話就定義了動態規劃是要幹什麼的問題。二 使用規則 現在我們知道動態規劃要解決啥問題了，那麼什麼情況下我們該使用動態規劃呢？最優化原理 最優子...
演算法之動態規劃
鋼條切割問題 鋼條切割問題出現在 演算法導論 一書第204頁，作為動態規劃的例題出現，該題內容如下 serling公司購買長鋼條，將其切割為短鋼條 切割工序本身沒有成本支出。公司管理層希望知道最佳的切割方案。假定我們知道serling公司 一段長為i英吋的鋼條的 為pi i 1,2,單位為美元 鋼條...