第二章，基础知识 第四章，分治法 第五章，贪心算法 第六章，动态规划 第八章，回溯法 第九章，分枝-限界法

建立了电容器优化投切的动态规划模型。基于无功就地平衡规则和配电网辐射状运行的特点,并利用广度优先搜索算法将电容器划分为多个等级,在此基础上,划分出动态规划的阶段。采用逆序解法求解动态规划问题,给出了电容器对应子网的定义,对每个阶段的各个子网采用原对偶内点法求解最优决策量的浮点解,以网损最小为目标对浮点解归整。算法每个阶段都以网损最小对该阶段的电容器投切容量的浮点解进行归整,从而使整个过程的电容器的整数解更接近最优整数解。算例结果验证了算法的快速性和准确性。

是运筹学只是比较全面的一本书，包括运筹学常用模型，运筹学的线性规划，整数规划，动态规划，排队论，交通运输模型，图论，存储论，博弈论等知识都有详细讲解

动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下的目标值。动态规划算法求解TSP 用动态规划算法求解TSP，数据为Solomon数据集的c101文件读取，可视化路径图，用图展示每次迭代的最优值、最差值和平均值，并与Gurobi求解结果比较各计算时间下

动态规划在预知未来一段时间的路况后，通过全局遍历计算得出一条能量损耗最小的增程器发电路径。DP算法得到的结果可以视为该HEV在该工况下的终极燃油经济性性能，任何其他实时控制策略理论上都不可能取得比这更好的经济性结果，因此，这该结果可以作为评价实时控制策略的准绳。

村庄规划案例一.zip

1.NET下可以直接运行 2.关键代码有非常详尽的解释 3.算法代码非常简洁

1. 开发环境： 基于 VS2019 基于C#语言 2. 解决问题 C# 控件应用 动态柱状图 3、源代码解析地址为： https://blog.csdn.net/hgaohr1021/article/details/129023593?spm=1001.2014.3001.5502

×××NOI导刊--坐标规则型动态规划××× ×内容--知识点--代码实现× ××如有错误，望私信纠正××

对以上的价格表样例，进行模拟切割： r1 = 1，切割方案1 = 1（无切割） r2 = 5，切割方案2 = 2（无切割） r3 = 8， 切割方案3 = 3（无切割） r4 = 10， 切割方案4 = 2 + 2 r5 = 13， 切割方案5 = 2 + 3 r6 = 17， 切割方案6 = 6（无切割） r7 = 18， 切割方案7 = 1 + 6或7 = 2 + 2 + 3 r8 = 22， 切割方案8 = 2 + 6 r9 = 25， 切割方案9 = 3 + 6 r10 = 30，切割方案10 = 10（无切割） 可能现在大家对这种切割比较不耐烦，或者是有的数并不是那么好，怎么办？ 这时有个很好的思想，就是动态规划，之前模拟切割尽管结果出来的很简单，但是过程却依然很复杂； 比如r7,它有很多切割方案，1-6,2-5,3-4,2-2-3,1-1-5等等，这些过程如何自己来模拟的话实在是太费时间，但是我们想在切割7的时候前面都已经完成了，我们可以在前面的基础上进行切割，这时只要考虑1-6,2-5,3-4即可，比如现在的1-6就包括了之前的1-1-5,1-2-4等的切割方案；