51 lines
1.7 KiB
Markdown
51 lines
1.7 KiB
Markdown
|
---
|
|||
|
title: Dynamic Programming
|
|||
|
localeTitle: 动态编程
|
|||
|
---
|
|||
|
## 动态编程
|
|||
|
|
|||
|
动态编程(DP)是一种编程技术,用于解决其子问题的计算重叠的问题:您以避免重新计算已解决问题的方式编写程序。 这种技术通常与memoization结合使用,memoization是一种优化技术,可以缓存先前计算的结果,并在再次需要相同的计算时返回缓存的结果。
|
|||
|
|
|||
|
Fibonacci系列的一个例子,定义如下:
|
|||
|
|
|||
|
`F(N) = F(N-1) + F(N-2)`
|
|||
|
|
|||
|
这是找到F(5)的树:
|
|||
|
|
|||
|
![斐波那契系列的树](https://i.stack.imgur.com/59Rpw.png)
|
|||
|
|
|||
|
要计算F(5),它需要计算相同F(i)的许多倍。使用递归:
|
|||
|
|
|||
|
```python
|
|||
|
def fib(n)
|
|||
|
{
|
|||
|
if n <= 1:
|
|||
|
return n
|
|||
|
return fib(n-1) + fib(n-2);
|
|||
|
}
|
|||
|
```
|
|||
|
|
|||
|
以下是优化的解决方案(使用DP)
|
|||
|
|
|||
|
对于F(5),该解决方案将生成上图中描绘的调用,在O(2 ^ N)中运行。
|
|||
|
|
|||
|
这是一个使用DP和memoization的优化解决方案:
|
|||
|
|
|||
|
```python
|
|||
|
lookup = {1 : 1, 2 : 1} # Create a lookup-table (a map) inizialized with the first 2 Fibonacci's numbers
|
|||
|
|
|||
|
def fib(n)
|
|||
|
{
|
|||
|
if n in lookup: # If n is already computed
|
|||
|
return n # Return the previous computed solution
|
|||
|
else
|
|||
|
lookup[n] = fib(n-1) + fib(n-2) # Else, do the recursion.
|
|||
|
return lookup[n]
|
|||
|
}
|
|||
|
```
|
|||
|
|
|||
|
在查找表中缓存计算解决方案,并在递归之前查询它将使程序具有O(N)的运行时间。
|
|||
|
|
|||
|
#### 更多信息:
|
|||
|
|
|||
|
[什么是StackOverflow上的动态编程](https://stackoverflow.com/questions/1065433/what-is-dynamic-programming) [StackOverflow上的memoization和DP之间的区别](https://stackoverflow.com/questions/6184869/what-is-the-difference-between-memoization-and-dynamic-programming)
|