证明最长公共子序列问题满足最优性原理。 设序列X={x1, x2,…, xm}和Y={y1, y2,…, yn}的最长公共子序列为Z={z1, z2,…, zk}，记Xk为序列X中前k个连续字符组成的子序列，Yk为序列Y中前k个连续字符组成的子序列，Zk为序列Z中前k个连续字符组成的子序列，显然有下式成立： （1）若xm=yn，则zk=xm=yn，且Zk-1是Xm-1和Yn-1的最长公共子序列； （2）若xm≠yn且zk≠xm，则Z是Xm-1和Y的最长公共子序列； （3）若xm≠yn且zk≠yn，则Z是X和Yn-1的最长公共子序列。 可见，两个序列的最长公共子序列包含了这两个序列的前缀序列的最长公共子序列。

多边形游戏是一个单人玩的游戏，开始时有一个由n个顶点构成的多边形。每个顶点被赋予一个整数值，每条边被赋予一个运算符”+”或”*”。所有边依次用整数从1到n编号。 游戏第1步，将一条边删除。 随后n-1步按以下方式操作： (1)选择一条边E以及由E连接着的2个顶点V1和V2； (2)用一个新的顶点取代边E以及由E连接着的2个顶点V1和V2。将由顶V1和V2的整数值通过边E上的运算得到的结果赋予新顶点。 最后，所有边都被删除，游戏结束。游戏的得分就是所剩顶点上的整数值。 包括代码+流程图+uml+实验总结

最长公共子序列问题，用C#实现的动态规划算法 X=ABCBDAB Y=BDCABA 以上是示例用的测试数据，输入数据可以得到结果

本程序利用实际的停车场高精地图实现路径规划，如果需要详细的辅助代码库请联系作者

针对限定环境下移动机器人路径规划问题，运用PRM(probabilistic roadmap method)算法进行初始路径规划，并提出一种基于改进的节点增强法与几何平滑策略的路径优化算法.利用节点增强法对初始规划路径进行优化处理，采用新增节点逐步取代原路径节点，减小路径中的拐点个数，从而缩短路径长度.同时采用一个基于几何平滑策略对优化路径进行平滑处理，以达到路径平滑的目的.仿真结果表明，该优化算法不仅能有效降低搜索路径的长度，而且能大幅度提高路径的平滑度.

Dijkstra、Astar 和动态规划的基于采样的移动机器人路径规划算法在这个存储库中，我们简要介绍了 Dijkstra、Astar 和动态规划方法的完整源代码，以在 2D 图上找到从起始节点到结束节点的最佳路径。 我们还提供了在给定地图上执行这些算法的主脚本。 我们已经在 map_definition.m 源代码中提供了一个示例地图 creatin。 我们在显示障碍物的地图中定义了所有封闭的多边形。 在示例地图中，有 13 个不同的障碍物，其边缘由给定的 x 和 y 坐标定义。 一个示例如下所示； map.pgx{1}=[2 8.5 8.5 4 2 2 1 1 2 4 2]; map.pgy{1}=[8 10 1 3 3 1 1 6 6 5 8]; 您可以添加新的障碍物或修改给定的障碍物以创建自己的地图。 基于采样的路径规划在基于采样的方法中，我们需要在地图上生成一定数量的点，

一个明星 介绍 此代码库在C ++中实现了2D A-star路径规划算法。 该库具有在几种不同模式下进行搜索的选项： 标记1：沿4或8个方向搜索邻居标志2：将距离计算为1（曼哈顿）或2（欧几里得） python文件有助于说明结果。 （起始单元格：绿色，目标单元格：红色，路径单元格：蓝色） 用法 系统采用二进制2D网格图，其中0和1分别代表可遍历的单元格和对象。 可以在input.csv文件中轻松修改所有输入。 要运行仓库： 克隆仓库 git clone https://github.com/LuoXin0826/Astar.git 修改input.csv文件 编译代码 mkdir build cd build cmake .. make ./main 获得视觉效果 python3 Draw_path.py 使用不同的情况进行测试很容易，只需修改input.csv文件，就无需再次编译代码

《动态规划算法实验》实验报告

关于最优二叉搜索树的动态规划算法描述

算法大作业，0-1背包问题求解六种方法综述，包含动态规划算法，分支限界法，回朔法，蛮力法，贪心法，遗传算法的六种算法，有实验报告，运行结果截图，源码哦，有需要的小伙伴，自行下载哦