榨菜真好吃
30岁面了好几次阿里巴巴都没过，但这并不意味着我应该结束程序员生涯，自己再多学点，学深点，我就是一个优秀的打工人������..大学动态规划挂科边缘飘过不以为然，真是验了书到用时方恨少.
作者回复：学习永远没有迟不迟的，懂得把决心转化成行动就行。
2020-11-05
早起不吃虫
“最重要的其实不是要有梦想，而是把握现实和当下，以梦想为基础，竭尽所能去改善现实。” -- 前面学的再多再好，感觉都不如这句话的价值！感谢老师！
作者回复：顶
2020-12-15
BBQ
感觉作者用心打造的课程，周末把这门课刷了一遍。其实之前也刷了不少的DP，但是最近的面试出了一道稍微变一下的凑硬币问题，就不知所措了。感觉动态规划还是没有学到位，经过周末的天，在作者的引导下，对DP又有了系统性的认识，感谢作者。
作者回复：谢谢，感谢你的肯定！对你有帮助就是我最开心的事情。
2021-03-07
樟树林
老师，关于背包问题哈，背包容量为2，物品个数为3的背包，按照你上述计算得出的结果是3，但实际结果应为6。这个问题，老师能解释一下吗？
作者回复：这个背包内可以容纳的物品只取决于背包的容量和物品的重量，示例数据里背包容量为2的情况下，最优解肯定是3，因为永远只能装下一个物品，这个是不是对问题的理解有什么偏差。
2021-01-20
1
小熊
第二讲暴力递归
要得到整体最优解需要找出所有符合的情况，选出其中一个最优组合，符合整体最优。
全部跑出结果再判断，这会浪费很多空间来存储结果组合
所以在递归过程中，进入最内层返回得到结果时舍弃不符合的，保留更符合的，直到退回递归的顶层，就可以得到唯一的结果。
递归的方法是为了保存之前的状态，回退时使用，这其实就是栈的数据结构，可以改为非递归的方式。
使用递归，失败了可以回退，这种回退找正确答案的思路就是回溯，每次都找到树型结构的底部就叫深度优先的思路。
这种全部结果都遍历出来，取最优解的做法是暴力递归，性能差难以调试，效率低，可读性差，可以使用剪枝优化。
贪心算法是动态规划的源头，但是他局限于求局部最优解，但是用到暴力递归里，就可以达到剪枝的效果。
第二种优化策略，重叠子问题，余额相同的时候搜索路径是完全一致。所以可以把大问题拆分为小问题，这就是备忘录和动态规划的基础。
作者回复：理解没有问题。
2021-01-20
4
子夜2104
之前对贪心算法的理解是：因为总是局部最优，所以不能用来解决实际问题。学完了这一节，明白了贪心算法的局限性及其应用场景。
作者回复：嗯嗯，你的理解是正确的。贪心算法的局限性体现在它在每一步计算中只考虑局部最优解，这导致了它的局限性。对于需要考虑整体最优的问题，我们需要别的方法。
后面的课程就会提到穷举、回溯以及动态规划。
2020-09-15
1
梅亮宏@创造力
老师说的很生动！用递归加局部最优的方法一定能得到正解。但是如果问题变得更加复杂的情况下，例如我们有1亿中硬币可以用，总币值为几万亿。可能还需要优化一下算法性能或者用分布式计算把性能提高？
这让我想到了ai中的reinforcement learning。个人认为有些偏全局优化？就如alphaGo，每一步棋都需要以整个棋局为出发点考虑。有点像老师这个算法里面的递归，即每尝试走一步的时候都会记录状态，用树状结构罗列所有可能性然后回溯。通过神经网络来的weight值估算是不是应该回溯。另外即使找到最优解了，还可以设置exploit更多最优的可能。纯个人理解，有点发散，希望老师指正！
作者回复：没错，寻找最优解的时候，本质上还是需要进行枚举（穷举），因此优化算法性能是最重要的第一步，如果使用了动态规划，就可以大幅压缩计算时间，在此基础上，如果性能仍不满意（即数据规模实在太巨大），那么则可以考虑使用工程化的方法，比如你提到的分布式计算来提高计算性能。
AI 中的强化学习，本质上它的目的是寻找全局最优解。但是，我们最终能找的只是一定范围内的局部最优解，使得这个局部最优解在一定条件下，最接近我们期望的全局最优解。这个发散点很好，算法发展到一定高度就会进入机器学习领域，无论如何，基本的算法思路其实没有本质差别。
2020-09-15
10
托尼斯威特
原来如此，用搜索解这个题，可以带上贪心的思路
作者回复：贪心算法只是在一定条件下，希望能加快搜索的速度。但是，往往在大多数情况下，都不满足这种条件。因此，贪心很难直接得到整体最优解。
贪心算法的本质决定了它能解决问题的范围和高度。如果不辅以别的工具函数或算法，它关注的是局部最优解。
2020-09-15
1
山茶花
最近刚好遇到一个动态规划问题，极客时间就出了这门课，希望学完能解答自己的疑惑
作者回复：欢迎进入动态规划世界，一起学习，进步。
2020-09-15
3
al-byte
处理动态规划类问题就像解一个puzzle
作者回复：事实上，动态规划是模板届的典范，解决它的方法是有规可循的。而且，我们能够提炼归纳出动态规划的题型，并根据其特点提供解题框架（模板，或者说套路）。
跟着课程学习，你就能获得这些工具和经验总结，所以动态规划也没有想象中那么难。期待着这门课能够让你掌握动归的要领，看到相关问题就有思路。
2020-09-15
7
讲师
卢誉声
Autodesk 首席工程师
编辑推荐
讲师的其他课程
看过的人还看了
