動態規劃要記錄子問題的解，避免下次遇到相同的子問題時的重複計算
在計算斐波那契數列時，我們採用遞迴的寫法：
int f(int n)n==5時，計算f(5) = f(4) + f(3)，在接下來計算f(4) = f(3) + f(2)時，有重複計算了f(3)。
為了避免重複計算，引入dp陣列，用來儲存已經計算過的結果，當dp[n]=-1表示f(n)還沒有被計算
int dp[maxn] = ;
int f(int n)
}
f[i][j]存放第i層的第j個數字，那麼有f[1][1]=5,
f[2][1] = 8，f[2][2] = 3...，求最後將路徑上所有數字相加後得到的和最大是多少
如果每次從頭遍歷，那會有很多重複的訪問，通過動態規劃，列出狀態轉移方程
#include#includeusing namespace std;
const int maxn = 1000;
int f[maxn][maxn], dp[maxn][maxn];
int main()
}// 邊界
for(int j = 1; j <= n; j++)
// 從n-1層不斷往上計算出dp[i][j]
for(int i = n - 1; i >= 1; i--)
}printf("%d\n", dp[1][1]); // dp[1][1]為所要答案
// 邊界
點選點選
點選
write by gqq
演算法筆記 動態規劃1
動態規劃適合求解最優問題，比如最大值最小值等。它可以顯著的降低時間複雜度，提高 的執行效率。0 1 揹包問題 在上篇總結中，用回溯演算法解決了 0 1揹包問題。但是，在求解的過程中，我們應該能想象的出，有些步驟是一直在重複執行。如果揹包的總載重為 9 物品個數為 5 質量分別為 2，2，4，6，3 ...
演算法筆記 動態規劃 1
求解方法 標準的01揹包問題是指，有n int型 個物品和最多裝重量w int型 的揹包。weight陣列表示物品的重量，即weight i 表示第i個物品的重量 value陣列表示物品的價值，即value i 表示第i個物品的價值。問把哪些物品裝入揹包使得物品價值總和最大，每個物品只能裝一次。舉例...
演算法筆記 動態規劃 遞推寫法
什麼是動態規劃 動態規劃是一種用來解決一類最優化問題的演算法思想。簡單來說，動態規劃將乙個複雜的問題分解成若干個子問題，通過綜合子問題的最優解來得到原問題打的最優解。需要注意的是，動態規劃會將每個求解過的子問題的解記錄下來，這樣當下一次碰到同樣的子問題時，就可以直接使用之前記錄的結果，而不是重複計算...