动态规划

放荡不羁的野指针

leetcode150题-动态规划问题描述：假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢

【算法设计】动态规划动态规划（Dynamic Programming, DP）是一种通过拆分问题、存储子问题答案来解决复杂问题的优化算法，核心是避免重复计算。

论文精读-《ReAct: Synergizing Reasoning and Acting in Language Models》，2022Agent与环境交互以解决任务的一般设置：时间t，收到观测ot∈O，根据策略Π(at|ct)采取行动 at∈A，其中上下文 ct=(o1,a1,......,ot-1,at-1,ot)

LeetCode 72. Edit Distance（编辑距离）动态规划详解编辑距离是经典字符串动态规划问题，也是很多高级题目的基础。题目如下。leetcode给定两个字符串 word1 和 word2，返回将 word1 转换为 word2 所需的最少操作数。允许的操作有三种：

无尽的罚坐人生

hot 100 42. 接雨水给定 n 个非负整数表示每个宽度为 1 的柱子的高度图，计算按此排列的柱子，下雨之后能接多少雨水。n == height.length 1 <= n <= 2 * 104 0 <= height[i] <= 10^5

【算法通关指南：算法基础篇】模拟算法专题：1. 铺地毯 2. 回文日期 3. 扫雷🔥小龙报：个人主页 🎬作者简介：C++研发，嵌入式，机器人方向学习者 ❄️个人专栏：《算法通关指南》 ✨ 永远相信美好的事情即将发生

Dream it possible！

LeetCode 面试经典 150_Kadane_环形子数组的最大和（110_918_C++_中等）（动态规划）给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

算法奇妙屋(二十二)-01背包问题(动态规划)背包问题我们可以理解为游戏里拾取装备, 比如三角洲这种, 一个背包有固定空间, 地图上散落一堆道具, 道具有体积, 重量, 价值等等属性, 而我们要做的就是用有限的背包空间来达到拾取道具价值的最大化, 因为道具和背包可以被划分的属性很多, 所以背包问题有很多变种类型, 其中01背包🎒则是最基础最重要的一个模版

LeetCode 188. Best Time to Buy and Sell Stock IV - 三维DP详解题意 + 思路一句话概括：这是「最多进行 k 次交易」的股票买卖问题，可以用三维 DP：dp[day][transaction][hold]dp[day][transaction][hold]dp[day][transaction][hold]，其中交易数按「卖出次数」计数，买入不加 1，卖出才加 1。leetcode

羑悻的小杀马特

LeetCode 42接雨水全解：暴力超时→DP降维打击→双指针极限压缩空间→单调栈栈式凹槽定位，全景式解析算法优化路径本篇围绕LeetCode 42“接雨水”展开，剖析四种解法：暴力法通过嵌套循环统计每柱接水量，易超时；动态规划预先记录左右最大值，将复杂度降至O(n)；双指针边遍历边更新极值，空间优化至O(1)；单调栈利用栈维护“凹槽”，高效定位存水区间。各方法层层递进，展现算法优化的核心思路。

0x3f 第21天三更java进阶1-35 hot100普通数组因为买入要在卖之前，所以需要一个minPrice不断更新到第i天的最低价，不断的用当天的price减去一直维护的minPrice，最终即是答案

买卖股票的最佳时机（动态规划）目录要求思路核心逻辑Code示例演示关键点力扣第121题给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

GESP2025年12月认证C++六级真题与解析（单选题8-15）这道题不是考你会不会写哈夫曼编码，而是考你是否真正理解👇哈夫曼树在“合并两个最小节点”时，新节点到底是什么？要放进哪一个队列？

贡献延迟计算DP给一个长度为 n n n 的数组 a [ 1... n ] a[1 ... n] a[1...n]，其中如果 a [ i ] ≠ 0 a[i] \neq 0 a[i]=0 说明第 i i i 位是个确定切不可修改的值，否则 a [ i ] = 0 a[i] = 0 a[i]=0 需要将该位填数使得最后生成的 a [ ] a[] a[] 数组是一个 n n n 阶排列。

0x3f 第20天三更24-32 hot100子串首先我们来回顾一下一个新的数据结构的理解：单调队列单调队列普遍是双端队列，且队列里的元素是单调递减的，这样就引申出了他的核心目的：

好想写博客

[动态规划]斐波那契数列动态规划理论基础 | 代码随想录对于动态规划问题，我将拆解为如下五步曲，这五步都搞清楚了，才能说把动态规划真的掌握了！

全源最短路封装模板（APSP，Floyd求最小环，Floyd求最短路，Johnson算法）更多算法模板见 github :https://github.com/surtr1/Algorithm/tree/main/Graphs/APSP 部分内容搬自oiwiki 持续更新中。。。

weixin_46176940

5. 最长回文子串给你一个字符串 s，找到 s 中最长的回文子串。示例 1：输入：s = “babad” 输出：“bab” 解释：“aba” 同样是符合题意的答案。示例 2：

【算法自用】一些比较有趣的题目中位数常见套路，维护前缀和， a i ≥ x a_i\ge x ai≥x 设置为1 ，小于 x 设置为 -1 。若存在子数组大于等于0，则说明最大中位数一定大于等于 x 。

清水白石008

动态规划中的记忆化与缓存：原理、差异与 Python 实战指南“优化递归的关键，不止在于算法本身，更在于如何高效地复用历史计算。”在解决动态规划问题时，我们常常会听到两个术语：记忆化（Memoization）和缓存（Caching）。它们看似相似，甚至在很多教程中被混用，但在实际开发中却有着本质区别。