動態規劃本質是一種用空間換時間的優化方法，通常來優化可以暴力搜尋求解的問題，也就是去冗餘，把之前計算過的存下來，而且是規定了遞迴的計算順序，從簡單基本的出發，依次計算（這也是他優於記憶搜尋的地方）。方法大概如下：
1.首先能明白暴力遞迴怎麼實現（重要）；
2.找到函式中可以代表遞迴過程的引數；
3.引數為key，結果為value，存入dict中，方便以後拿來用（記憶搜尋）；
4.進一步整理狀態關係，如果二維先把第一行和第一列算出來，之後找到狀態方程（後續可能還可以優化）
學習過程中看了很多博文和理論，感覺理解還是一知半解，後來覺得自己是遇到這類問題最基本的暴力遞迴這裡就沒有想清楚，遇到的筆試題基本都不會，還是記錄下經典的幾道題吧(因為經典，所以需要記住動態規劃過程)。
輸入：乙個二維矩陣，從矩陣左上角(0,0)開始走，走到右下角，每次只能向右或向下走，則求所有路徑中路徑和最小的是多少
[
[1,3,5,9],
[8,1,3,4],
[5,0,6,1],
[8,8,4,0]
]輸出：12（1-3-1-0-6-1-0）
1.生成和輸入矩陣大小一樣的m*n矩陣；dp[i][j]的值為從（0,0）位置到（i,j）位置的最小路徑和；
2.對第一行元素來說，只能不斷右移，所以第一行就是不斷右移相加，第一列同理
[1,4,9,18],
[4 ],
[14 ],
[22 ]
因為每個位置都有兩種走法，所以對於dp[i][j]位置來說，他應該是當前位置的值加上min(dp[i-1][j],dp[i][j-1])，也就是dp[i][j] = m[i][j] + min(dp[i-1][j],dp[i][j-1])
思路大概就是這樣，這個相對比較好理解，**實現如下
def
findminlength
(array):
rows = len(array)
cols = len(array[0])
for i in range(1,rows): #第一列各位置初始化
array[i][0] += array[i-1][0]
for j in range(1,cols): #第一行各位置初始化
array[0][j] += array[0][j-1]
for i in range(1,rows): #按順序計算每個位置最小值存入array[i][j]
for j in range(1,cols):
array[i][j] += min(array[i-1][j],array[i][j-1])
print(array[-1][-1])
def
jump
(n):
res = [0,1,2]
while len(res)1])
動態規劃學習記錄
動態規劃一般用陣列記錄下每一步的最優值，返回最後一步的值就是最優結果，相對於遞迴解法消除了重複計算的部分，提高的效率。計數 有多少種方式從a到b 多少種方式取得某值 求最優解 最大值最小值 路徑上最大資料和。存在性問題 能不能選出和為k的數 選定演算法前一定要判斷是否為動態規劃解題 有時候問題相似但...
動態規劃及其動態規劃經典例題
動態規劃是最重要 最經典的演算法之一，學好動態規劃對我們十分重要，掌握動態規劃對解決某些問題會起到事半功倍的效果。特點 可以把原始問題劃分為一系列子問題 求解每個子問題僅一次，並將其結果儲存到乙個表中，以後用到時直接訪問，不重複計算，節省時間。自底向上地計算 適用範圍 原問題可以分為多個相關子問題，...
動態規劃經典問題
from 實現在 維基百科對動態規劃的定義 動態規劃 英語 dynamic programming，簡稱dp 是一種在數學 電腦科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解複雜問題的方法。動態規劃常常適用於有重疊子問題 1 和最優子結構性質的問題，動態規劃方法所耗時間往往遠少於...