1.动态规划 1.1 思路： 先看经典例题01背包 （1）问题描述： 给定 n 件物品，物品的重量为 w[i]，物品的价值为 v[i]。现挑选物品放入背包中，假定背包能承受的最大重量为 V，问应该如何选择装入背包中的物品，使得装入背包中物品的总价值最大？物品编号：1 2 3 4 5w[i] ：2 3 5 6 8v
1. 定义 动态规划法：把多阶段过程转化为一系列单阶段问题，利用个各阶段之间的关系，逐个求解，并从中找到最优决策序列 1. 多阶段决策过程 将所给问题的求解过程，恰当的分为若干相互联系的阶段，每一阶段的决策仅依赖于前一阶段的状态，由决策所采取的动作使状态发生转移，成为下一阶段决
题面 \(C\)国有\(n\)个大城市和\(m\) 条道路，每条道路连接这 \(n\)个城市中的某两个城市。任意两个城市之间最多只有一条道路直接相连。这 \(m\) 条道路中有一部分为单向通行的道路，一部分为双向通行的道路，双向通行的道路在统计条数时也计为 $1 $条。 \(C\)国幅员辽阔，各地的资源分布
动态规划适用于那种经常多步骤决策的场景，是统筹学的分支。 前提条件： 1.拆分的子任务得有最优解。 2.具有无后效性（例如a - >b -> c，如果a也能影响c，那么针对于b的最优解计算也没什么意义，因为c是多条件决定的，实际上现实场景大部分是多条件决定的。） 相关的问题： 维数灾难。 过多的特
均衡 描述： 吉格尔有一种奇怪的“平衡”，他想保持平衡。实际上，该设备不同于任何其他普通天平。 它订购了两条重量可以忽略不计的手臂，每条手臂的长度为15。一些钩子连接到这些手臂上，Gigel想挂起他收集的G重量（1<=G<=20）中的一些重量，因为知道这些重量在1范围内有不同的值。。25.Gigel可
具有线性规划特点的DP类型称为线性DP 这类DP一般是较为基础的蒟蒻不提简单二字 DP： 状态表示应满足三个特点： 1.最优化：满足最优子结构性质 （略微不同于贪心的“滚雪球”，DP算法不一定满足局部最优导致全局最优，但DP算法可以通过更新最优解实现全局最优） 2.无后效性：即当前问题的决策不受
什么是动态规划 动态规划（Dynamic Programming, DP）是一种用来解决一类最优化子问题的算法思想。简单来说，动态规划将一个复杂的问题分解成了若干个子问题，通过综合子问题的最优解来得到原问题的最优解。需要注意的是，动态规划会将每个求解过后的子问题的解记录下来，这样下次碰到同样
1、dfs 第一反应是图论，不过500的n就舍弃了 2.贪心 局部最优解不难找就想到贪心了，不过如果每部有多个最优解的话，不能随便删除 int main() { //std::ios::sync_with_stdio(false); int tt; cin >> tt; while (tt--) { solve(); } return 0; } 3.dp 只能打牌了
区间 dp 主要思想： 想求区间 $i$ ~ $j$ 的最优解，我们可以根据小区间的最优解，来得出大区间的最优解。具体就是枚举每一个中点，然后 $dp_{i,j}=max(dp_{i,j},dp_{i,k}+dp_{k+1,j}+num)$（num，取max和min 要根据题目要求来定） 环形问题解决方法： 开两倍（把数据复制到原来的后面），也就是对 $1$ ~
和模拟退火算法类似，遗传算法的本质也是通过一定地策略去寻找最优解。模拟退火运用了动力学原理，遗传算法则是运用了生物学自然选择的原理，思路巧妙。遗传算法是一种随机全局搜索优化，通过模拟自然选择和遗传中的复制、交叉、变异来实现“优胜劣汰”，最终找到最优解。 遗传算法步骤 1
基本介绍 贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解 。贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。利用贪心法求解的问题应具备如下2个特征： 1、贪
贪心算法 当一个问题具有最优子结构性质时，可用动态规划法求解。有时会有更简单有效的算法。考察找硬币的例子。假设有4种硬币，它们的面值分别为二角五分、一角、五分和一分。现在要找给顾客六角三分钱。这时，自然地拿出2个二角五分的硬币、1个一角的硬币和3个一分的硬币交给顾
线性规划 线性规划的目的 确定多变量线性函数在变量满足线性约束条件下的最优值 线性规划模型需要确定的三个要素 决策变量目标函数：决策者希望对其优化的指标，是决策变量的线性函数约束条件：决策变量取值的限制范围 线性规划的一般模型 线性规划模型最优解的情况 有唯一最优解
虽然，Carl的《代码随想录》和labuladong的《算法小抄》对“动态规划”类问题有着详尽且优质的解答，但仍然想在这里简单啰嗦一下动态规划。在这里，并不想以《算法导论》中较为晦涩且难懂的「矩阵连乘」、「最优二叉搜索树」等为样例进行讲解。 定义 动态规划，英文名：Dynamic Progra
最佳观光组合 题目来源 ：leetcode第1014题 在看题目解析之前，我一直在推公式，然而得到的公式却没什么鬼用，可能我太蠢了，dp问题也太tm难了，呜呜呜呜呜。 问题描述 言归正传，贴上题目。 思路 题目要求 \(values[i] + values[j] + i - j\) ，因为 \(i < j\) ，所以当我们要选 \(j\) 间房子
什么是超参数？ 比如算法中的 learning rate
public static void quickSort(int array[], int begin, int end) { if (begin >= end) return; int keyIndex = begin; int key = array[begin]; for (int i = begin + 1; i < end; i++) { if (array[i] < key) { keyIndex++; int temp = ar
目录 动态规划 例题1：找零钱问题 例题2：价值最大问题 例题3：最长公共子序列问题 例题4：走方格问题 例题5：矩阵连乘积问题 动态规划 与分治法类似，分成若干子问题，在已知子问题结果的基础上获得一个子问题的解，最终得到最优解。（最优子结构、子问题重叠）。 解题步骤： 分析最优解的结构；建
一.关于二分查找的学习及反思 1.要点 （1）二分查找法只适用于从有序的队列中进行查找(比如数字和字母等)，将队列排序后再进行查找。 （2）首先将该组数据从中间划分为等长的两组（即便原数组不是偶数也没关系，取前面一半为一组，后面剩下的为一组即可）。 （3）与正中间的元素（一般是数组的长度除2并
Windows与Mac远程连接的最优实践 实践方案按照这样几个原则考虑： 免费最优连通性（最佳的使用体验——保证一定的画质、速度）基于IP地址而非第三方托管 Mac to Windows 在Mac上使用Microsoft Remote Desktop输入Windows主机的IP地址连接。 本质上是基于RDP协议的连接。 Windows t
求1-n上所有路径的点权最大值和最小值的差 方法一: spfa 很容易想到 从1开始跑一边和反图上n开始跑一边求交集就是正确的路径 但是这里还有一点是不能够返回 也就是对最大值和最小值出现有先后要求 这个时候把普通的bfs换成spfa就能够突出 "到"这一点 这里为什么不能用dij? 当前
性质 最优子结构性质 如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质（即满足最优化原理）。最优子结构性质为动态规划算法解决问题提供了重要线索。 子问题重叠性质 子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并
妈妈，人生其实只有两种玩法，一种是为了目标孤注一掷，其他全部都放弃，另一种是忘记脑海里的最优理论解，只寻找现实生活中的最优可行解。 写下这些句子的时候我不知道为什么带着淡淡的悲凉。用着世界上最好的电脑，思考着世界上最尖端的东西，我却感觉这样的孤独。 或许可以远一点，离人群再远
文章目录 一、理论基础1、鲸鱼优化算法2、改进鲸鱼优化(IWOA)算法（1）基于对立学习的种群初始化（2）非线性变化收敛因子（3）多样性变异操作（4）IWOA算法步骤 二、数值实验及分析三、参考文献 一、理论基础 1、鲸鱼优化算法 请参考这里。 2、改进鲸鱼优化(IWOA)算法 （1）基于对立学习的
PSO的算法配置 粒子的速度更新公式： v i ( t + 1 )
