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：
|
||
|
||
|
||
|
||
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) |