dynamic programming
dp定義：
動態規劃是分治思想的延伸，通俗來說是大事化小，小時化了的藝術。
在將大問題化解為小問題的分治過程中，儲存堆這些小問題已經處理好的結果，並供後面處理更大的問題時直接使用這些結果。
動態規劃具備了以下三個特點：
1、把原來的問題分解成了幾個相似的子問題；
2、所有的子問題都只需要解決一次；
3、儲存子問題的解；
動態規劃的本質，是對問題狀態的定義和狀態轉移方程的定義（狀態以及狀態之間的遞推關係）
動態規劃問題一般從以下四個角度考慮：
1、狀態定義；
2、狀態間的轉移方程定義；
3、狀態的初始化；
4、返回結果；
狀態定義的要求：定義狀態一定要形成遞推關係；
一句話概括：三個特點四個特點兩個本質
適用場景：最大值/最小值，可不可行，是不是，方案個數
1、斐波那契數列
斐波那契數列
法一：
class
solution
};
(利用該方法比上面遞迴法更高效)
狀態：第i項的值（結果能夠反饋到問題的解上）
狀態的轉移方程：通過前面儲存的結果推導後面來的結果
f(i) = f(i-1) + f(i-2) ;
初始狀態：兩項，因此初始狀態需要兩項
f(0) = 0 , f(1) = 1
返回結果：f(n)
class
solution
return f[n];}
};
class
solution
return fn ;}}
;
問題：字串s是否可以被分割–>抽象狀態
狀態：(相似的子問題)某乙個字串是否能被分割，判斷區域性是否可以被分割
f(i) ：字串前i個字元是否可以被分割
轉移方程：
以"leetcode"為例
f(4) ：前四個字元是否可以被分割：true
f(8)：f(4) && [5,8]是否可以在詞典中找到：true
f(1) && [2,8] （原始看分割和新增可分割即最終可分割）
f(2) && [3,8]
f(3) && [4,8]
f(4) && [5,8]
f(5) && [6,8]
f(6) && [7,8]
f(7) && [8,8]
f(0) && [1,8] --> 整體判斷例如該問題的f(4)
f(j) : j#include
class
solution}}
return canbreak[s.
size()
];}}
;
動態規劃1
維基百科 動態規劃是一種在數學和 電腦科學 中使用的，用於求解包含 重疊子問題 的最優化 問題的方法。其基本思想是，將原問題分解為相似的子問題，在求解的過程中通過子問題的解求出原問題的解。動態規劃的思想是多種演算法的基礎，被廣泛應用於電腦科學和工程領域。比較著名的應用例項有 求解 最短路徑 問題，揹...
動態規劃 1
動態規劃是對最優化問題的一種新的演算法設計方法。由於各種問題的性質不同，確定最優解的條件也互不相同，因而動態規劃的沒計法對不同的問題，有各具特色的表示方式。不存在一種萬能的動態規劃演算法。但是可以通過對若干有代表性的問題的動態規劃演算法進行討論，學會這一設計方法。多階段決策過程最優化問題 動態規劃的...
動態規劃1
首先，動態規劃的最基本要求在於無後效性 即結果態之和之前某態有關，並且對於該之前態我們並不關心它到底是怎麼來的 和n到n 1的跳躍一樣，它也是依賴轉移方程得來。比如0 1揹包 我們只要永遠依賴dp i j max dp i 1 j，dp i 1 j wi vi 這個轉移方程即可，並不在乎它具體細節。...