仅供参考，copy冲查重塔峰 （1） 动态规划算法设计思想。 （2） 金罐游戏问题的动态规划解法。 算法设计与分析-4动态规划金罐游戏.pptx 蛮力法（简单重复递归）和动态规划解决金罐问题 状态数组 子问题 状态方程 蛮力法（时间复杂度O(2n)）和动态规划（时间复杂度O(n2)） 空间效率 当前序列相对最大金币值 通过本次实验，我尝试了使用蛮力法（简单重复递归）和动态规划解决金罐问题，在该过程中我加深了对于动态规划算法的理解和运用。我认识到动态规划其实是在简单重复递归的逻辑增加状态数组，通过对状态数组的求解而免去重复递归的资源和时间消耗，从而获得解。 动态规划算法的关键就是将问题分解为子问题，并找到两者之间的状态方程。分解子问题的方法是找到最后一步。 另外通过蛮力法（时间复杂度O(2n)）和动态规划（时间复杂度O(n2)）的实际运行时间，加深对二者运算效率的理解。 在算法优化上，蛮力法也可借鉴动态规划的状态进行记录，避免重复调用，改进后可处理大数据但空间开销还是较大。动态规划求和步骤可提前做，同时在空间效率上可将二维数组压缩为一维数组。

仅供参考，copy冲查重塔峰。 算法设计与分析-4动态规划金罐游戏源代码.cpp （1） 动态规划算法设计思想。 （2） 金罐游戏问题的动态规划解法。 通过本次实验，我尝试了使用蛮力法（简单重复递归）和动态规划解决金罐问题，在该过程中我加深了对于动态规划算法的理解和运用。我认识到动态规划其实是在简单重复递归的逻辑增加状态数组，通过对状态数组的求解而免去重复递归的资源和时间消耗，从而获得解。 动态规划算法的关键就是将问题分解为子问题，并找到两者之间的状态方程。分解子问题的方法是找到最后一步。 另外通过蛮力法（时间复杂度O(2n)）和动态规划（时间复杂度O(n2)）的实际运行时间，加深对二者运算效率的理解。 在算法优化上，蛮力法也可借鉴动态规划的状态进行记录，避免重复调用，改进后可处理大数据但空间开销还是较大。动态规划求和步骤可提前做，同时在空间效率上可将二维数组压缩为一维数组。而将问题改为求当前序列相对最大金币值可避免求和开销。

任意两点间的最短距离，使用动态规划算法实现

poj经典动态规划题目解题报告，包括经典的动态规划题目20多道，可以作为学习动态规划系统的资料，包括题目：
Pku acm 1179 Polygon
Pku acm 1125 Stockbroker Grapevine
Pku acm 1160 post office
Pku acm 1014 Dividing
Pku acm 1050 To the Max
Pku acm 1088 滑雪
Pku acm 2533 Longest Ordered Subsequence
Pku acm 1631 Bridging signals
Pku acm 1887 Testing the CATCHER
Pku acm 3356 AGTC
Pku acm 2192 Zipper
Pku acm 1080 Humman Gene Function
Pku acm 1159 Palindrome
Pku acm 2250 Compromise
Pku acm 1458 Common Subsequence
Pku acm 1953 World Cup Noise
Pku acm 2081 Recaman's Sequence
Pku acm 1579 Function Run Fun
Pku acm 1157 LITTLE SHOP OF FLOWERS
Pku acm 1163 the Triangle

计算机算法设计与分析：第四章 动态规划.ppt

计算机算法设计与分析：第六章_动态规划.ppt

把一个包含n个正整数的序列划分成m个连续的子序列，每个整数刚好属于一个序列。设第i个序列的各数之和是S(i)。要求：让所有的S(i)的最大值尽量小。例如：序列1，2，3，2，5，4划分成3个序列的最优方案为123|25|4，其中S(1)=6,S(2)=7,S(3)=4。如果划分成12|32|54，则最大的S(i)=9，不是最优。其中n<10^6, 所有数之和不超过10^9

课程的随堂作业，C语言的，用dev就能运行，萌新代码，勿喷，仅仅帮助不想写作业的朋友方便一下，反正老师也不会仔细检查的

对最少硬币兑换问题的算法进行了分析，并给出了实现

如果是A串的第i个字符和B串的第j个字符 1.在A的第i个字符后插入一个字符B[j]，问题转化为计算A[i...lenA]和B[j+1...lenB]的距离 2.删除A串的第i个字符，问题转化为计算A[i+1...lenA]和B[j...lenB]的距离 3.将A的第i个字符替换成B的第j个字符，问题转化为计算A[i+1...lenA]和B[j+1...lenB]的距离。于是替换操作的编辑距离就是d[i-1][j-1]+flag。其中，当A[i]==B[j]时，flag=0， A[i]！=B[j]，flag=1 d [i-1][j] 、d [i][j-1]、d [i-1][j-1]进行比较，其中最小的就是当前A和B的编辑距离