一、演算法介紹簡單來說，就是將乙個問題的多階段過程拆分為一系列單階段，逐步遞推，利用各階段間的關係，求出問題的最優解或解法之和。
二、演算法思路
1.遞迴到動歸的一般轉化方法
遞迴函式有n個引數，就定義乙個n維的陣列，陣列下標是遞迴函式引數的取值範圍，陣列元素的指就是遞迴函式的返回值，這樣就可以從邊界值開始，逐步填充陣列，相當於計算遞迴函式值的逆過程。
2.能用動歸解決的問題特點（適用條件）
1）最優子結構性質
如果問題的最優解所包含的子問題的解也是最優的，就稱該問題具有最優子結構性質。
2）無後效性
當前的若干個狀態值一旦確定，則此後過程的演變就只和這若干個狀態的值有關，和之前採取哪種手段或哪種路徑演變到當前的若干個狀態，沒有關係。
3.動歸解題的一般思路
1）將原問題分解為子問題
●把原問題分解為若干個子問題，子問題和原問題的形式相同或類似，只不過規模變小了。
●子問題的解一旦求出就會被儲存，所以每個子問題只需要求解一次。
2）確定狀態
●和子問題相關的各個變數的一組取值，稱為乙個「狀態」。乙個「狀態」對應於乙個或多個子問題，所謂的某個「狀態」下的「值」，就是這個狀態對應的子問題的解。
●所有「狀態」的集合，構成問題的「狀態空間」。「狀態空間」的大小，與用動規解決問題的時間複雜度直接相關。在"數字三角形的例子裡，一共有n*(n+1)/2個數字，所以這個問題的狀態空間裡一共就有n*(n+1)/2個狀態。整個問題的時間複雜度是狀態數目×計算每個狀態所需時間。在數字三角形裡，每個「狀態」只需要經過一次，且在每個狀態上作計算所花費的時間都是和n無關的常數。
●用動態規劃解題，經常碰到的情況是，k個整型變數能構成乙個「狀態」（如數字三角形裡的行號和列號）。如果這k個整型變數的取值範圍分別是n1,n2,…nk，那麼，我們就可以用乙個k維陣列a[n1][n2]…[nk]來儲存各個狀態的「值」。這個「值」未必就是乙個整數或浮點數，也可能是乙個結構。
3）確定一些初始狀態的值
以數字三角形為例，初始狀態就是底邊數字，值就是底邊數字的值。
4）確定狀態轉移方程
定義出什麼是「狀態」，以及在該「狀態」下的「值」後，就要找出不同狀態之間如何遷移-----即如何從乙個或多個值已知的「狀態」，求出另乙個「狀態」的「值」（「人人為我」遞推型）。表示狀態遷移的公式稱為「狀態轉移方程」。
動態規劃簡介
1.定義 動態規劃 dynamic programming 是運籌學的乙個分支，是求解決策過程 decision process 最優化的數學方法。20世紀50年代初美國數學r.e.bellman等人在研究多階段決策過程 multistep decision process 的優化問題時，提出了著名...
簡介動態規劃
這篇博文其實我是不想 也不敢寫的，因為自己還是半知半解，但又怕自己看了很久的東西和做題得來的體會以後給忘了，所以，還是寫下了。個人水平確實有限，若有錯誤的地方，歡迎指出！參考了 演算法導論 原書第3版 和網上的部落格。一 動態規劃的原理 1 動態規劃的用處 動態規劃與分治法相似，都是通過組合子問題的...
動態規劃解題步驟
動態規劃解題步驟？給你兩個單詞 word1 和 word2，請你計算出將 word1 轉換成 word2 所使用的最少運算元 你可以對乙個單詞進行如下三種操作 插入乙個字元 刪除乙個字元 替換乙個字元 示例 1 輸入 word1 horse word2 ros 輸出 3 解釋 horse rorse...