mirror of
https://github.com/freeCodeCamp/freeCodeCamp.git
synced 2026-09-24 23:01:18 +08:00
Ahmad AbdolsahebandRandell Dawson
23ca5d9cc6
* fix: imgur to s3 for chinese guide without conflict (cherry picked from commit 21e3afaee0f23d700f76ea662bc193b392fc54ac) * fix: remove extra links Co-Authored-By: Randell Dawson <5313213+RandellDawson@users.noreply.github.com> * fix: revert changes * fix: revert changes * fix: revert changes * fix: revert changes
1.7 KiB
1.7 KiB
title, localeTitle
| title | localeTitle |
|---|---|
| Dynamic Programming | 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：
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：
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。