动态规划

小楠小楠小楠

Leetcode-动态规划198. 打家劫舍 - 力扣（LeetCode）首先用回溯的方法来思考虽然会超时但是这是后面记忆化搜索的根基

那些正常的动态规划在说线性dp之前，我们先来聊一聊动态规划是啥？动态规划是普及组内容中最难的一个部分，也是每年几乎必考的内容。它对思维的要求极高，它和图论、数据结构不同的地方在于它没有一个标准的数学表达式和明确清晰的解题方法。

算法刷题整理合集（六）本篇博客旨在记录自已的算法刷题练习成长，里面注有详细的代码注释以及和个人的思路想法，希望可以给同道之人些许帮助。本人也是算法小白，水平有限，如果文章中有什么错误或遗漏之处，望各位可以在评论区指正出来，各位共勉💪。

动态规划：从暴力递归到多维优化的算法进化论（C++实现）动态规划（Dynamic Programming）不是简单的递归优化，而是计算思维范式的革命性转变。其核心价值在于通过状态定义和决策过程形式化，将指数复杂度问题转化为多项式复杂度。本文将揭示动态规划的四个认知层级，并提供六大领域的深度实践方案。

动态规划-01背包兜兜转转了半天，发现还是Carl写的好。看过动态规划-基础的读者，大概都清楚。动态规划是将大问题，分解成子问题。并将子问题的解储存下来，避免重复计算。

小白菜又菜

Leetcode 312. Burst BalloonsYou are given n balloons, indexed from 0 to n - 1. Each balloon is painted with a number on it represented by an array nums. You are asked to burst all the balloons.

计数组合型dp（四种小球盒子问题总结）本篇将结合两个题目从dp入手来解决同时总结以下四种问题看完此篇，直窥本质，再也不头疼小球盒子问题将数字n(<=200)分成k（<=6）部分,有几种分法，不考虑顺序。

Absolute clown maste

第十六届蓝桥杯康复训练--6题目链接：790. 数的三次方根 - AcWing题库思路：二分，注意正负号和小数判断退出的方法（虽然正负无所谓）

动态规划-基础动态规划（Dynamic Programming，简称DP）是一种算法思想，它将问题分解为更小的子问题，然后将子问题的解存起来，避免重复计算。

【C++】动态规划从入门到精通什么是动态规划动态规划（Dynamic Programming，DP）是一种通过将复杂问题分解为重叠子问题，并存储子问题解以避免重复计算的优化算法。它适用于具有以下两个关键性质的问题：

【动态规划篇】91. 解码方法题目链接： 91. 解码方法题目叙述：一条包含字母 A-Z 的消息通过以下映射进行了编码：“1” -> ‘A’ “2” -> ‘B’ … “25” -> ‘Y’ “26” -> ‘Z’ 然而，在解码已编码的消息时，你意识到有许多不同的方式来解码，因为有些编码被包含在其它编码当中（“2” 和 “5” 与 “25”）。

自信的小螺丝钉

Leetcode 1277. 统计全为 1 的正方形子矩阵动态规划原题链接：Leetcode 1277. 统计全为 1 的正方形子矩阵

James. 常德 student

动态规划感悟1下面的感悟主要还是基于力扣上面动态规划（基础版）得出来的相关的做题结论动态规划（基础版） - 学习计划 - 力扣（LeetCode）全球极客挚爱的技术成长平台

关于不上作者榜就原神启动那件事

蓝桥杯国赛子串2023动态规划，暴力

算法——图论——交通枢纽原题

算法——图论——最短路径（多边权）原题

阿巴～阿巴～

C/C++蓝桥杯算法真题打卡（Day6）使用数组 f 标记 [1, r] 范围内的所有完全平方数。通过 pfs 函数判断一个数是否是完全平方数。

【递归与动态规划(DP) C/C++】（1）递归与动态规划(DP)- 第 82 篇 - Date: 2025 - 03 - 17 Author: 郑龙浩/仟濹【递归与动态规划(DP) C/C++】

Espresso Macchiato

Leetcode 3490. Count Beautiful Numbers这道题能够自力搞定还是蛮开心的。这道题主体的思路其实很清晰，就是将题目变换一下，变成写作一个count(n)函数来求取不大于数字 n n n的全部beautiful number的数目，这样，原始问题的答案就变成了count(r) - count(l-1)。因此，我们只需要考察这个count函数的实现即可，不过到这里其实也没怎么简化问题也就是了。

强化学习 - PPO控制无人机PPO（Proximal Policy Optimization，近端策略优化）是一种强化学习算法，用于训练智能体（无人机）如何在环境中做出决策。它本质上是策略梯度（Policy Gradient）方法的一种改进，旨在提高训练稳定性，同时确保策略更新不过大。