动态规划的基本概念
动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。
动态规划适用条件
- 最优化原理（最优子结构性质）
一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略。简而言之，一个最优化策略的子策略总是最优的。一个问题满足最优化原理又称其具有最优子结构性质 - 无后效性
将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它未来的决策，而只能通过当前的这个状态。换句话说，每个状态都是过去历史的一个完整总结。这就是无后向性，又称为无后效性 - 子问题的重叠性
动态规划算法的关键在于解决冗余，这是动态规划算法的根本目的。动态规划实质上是一种以空间换时间的技术，它在实现的过程中，不得不存储产生过程中的各种状态，所以它的空间复杂度要大于其他的算法。选择动态规划算法是因为动态规划算法在空间上可以承受，而搜索算法在时间上却无法承受，所以我们舍空间而取时间
动态规划实例
斐波那契数
力扣509题：斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：
F(0) = 0，F(1) = 1
F(n) = F(n – 1) + F(n – 2)，其中 n > 1
给定 n ，请计算 F(n) 。
这个题目解法还是比较多的，主要说一下递归和动态规划
/** * @param {number} n * @return {number} */
var fib = function (n) {
// 动态规划
if (n == 0 || n == 1) {
return n
}
let prev1 = 0;
let prev2 = 0;
let result=1
for (let i = 2; i <= n; i++) {
prev2 = prev1
prev1 = result
result = prev1 + prev2
}
return result
// 递归暴力解法
if(n==0||n==1){
return n
}
return fib(n-1)+fib(n-2)
};
第一次提交是动态规划的算法，第二提交是递归算法，就代码来说递归看起来是简单很多，但是执行用时，动态规划的算法是要快很多的。
泰波那契序列
力扣1137题：泰波那契序列 Tn 定义如下：
T0 = 0, T1 = 1, T2 = 1, 且在 n >= 0 的条件下 Tn+3 = Tn + Tn+1 + Tn+2
给你整数 n，请返回第 n 个泰波那契数 Tn 的值。
/** * @param {number} n * @return {number} */
var tribonacci = function (n) {
if (n == 0) {
return 0
}
if (n <= 2) {
return 1
}
let prev1 = 1;
let prev2 = 1;
let prev3 = 0;
for (let i = 3; i < n; i++) {
let num = prev1 + prev2 + prev3
prev3 = prev2
prev2 = prev1
prev1 = num
}
return prev1 + prev2 + prev3
};
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/186050.html原文链接：https://javaforall.net
