無(wú)非是增加memory
可以看看這個(gè)，每個(gè)案例都講清楚了
公眾號(hào) 計(jì)算廣告生態(tài)，里面詳細(xì)講解了
回復(fù)DP獲取pdf文件
現(xiàn)存動(dòng)態(tài)路徑規(guī)劃算法大部分還是基于最短時(shí)間或者最短路徑，不能達(dá)到較好的平衡效果；
（2）路徑規(guī)劃算法對(duì)信息的處理方式較單一，駕駛員不能進(jìn)行個(gè)性化設(shè)置
動(dòng)態(tài)規(guī)劃算法介紹
1)動(dòng)態(tài)規(guī)劃(Dynamic Programming)算法的核心思想是：將大問(wèn)題劃分為小問(wèn)題進(jìn)行解決，從而一步步獲取最優(yōu)解的處理算法
2)動(dòng)態(tài)規(guī)劃算法與分治算法類(lèi)似，其基本思想也是將待求解問(wèn)題分解成若干個(gè)子問(wèn)題，先求解子問(wèn)題，然后從這些子問(wèn)題的解得到原問(wèn)題的解。
3)與分治法不同的是，適合于用動(dòng)態(tài)規(guī)劃求解的問(wèn)題，經(jīng)分解得到子問(wèn)題往往不是互相獨(dú)立的。 ( 即下一個(gè)子階段的求解是建立在上一個(gè)子階段的解的基礎(chǔ)上，進(jìn)行進(jìn)一步的求解 )
4)動(dòng)態(tài)規(guī)劃可以通過(guò)填表的方式來(lái)逐步推進(jìn)，得到最優(yōu)解.
動(dòng)態(tài)規(guī)劃模型相對(duì)于靜態(tài)規(guī)劃模型的優(yōu)點(diǎn)：
1. 能夠得到全局最優(yōu)解；
2. 可以得到一族最優(yōu)解；
3. 由于動(dòng)態(tài)規(guī)劃方法反映了動(dòng)態(tài)過(guò)程演變的聯(lián)系和特征，在計(jì)算時(shí)可以利用實(shí)際知識(shí)和經(jīng)驗(yàn)提高求解效率。
動(dòng)態(tài)規(guī)劃模型的缺點(diǎn)：
1. 沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)模型；
2. 數(shù)值方法求解時(shí)存在維數(shù)災(zāi)。（需要額外的內(nèi)存空間，并且一維問(wèn)題可能需要二維空間）
回溯算法雖好，但是復(fù)雜度高，即便消除一些冗余計(jì)算，也只是「剪枝」，沒(méi)有本質(zhì)的改進(jìn)。而動(dòng)態(tài)規(guī)劃就比較玄學(xué)了，經(jīng)過(guò)各種改造， 從一個(gè)加減法問(wèn)題變成子集問(wèn)題，又變成背包問(wèn)題，經(jīng)過(guò)各種套路寫(xiě)出解法，又搞出狀態(tài)壓縮，還得反向遍歷。
轉(zhuǎn)化為背包問(wèn)題注重三個(gè)細(xì)節(jié)點(diǎn)：
dp[i][j] i 索引從1開(kāi)始； j 可以從0開(kāi)始遍歷 —— 因?yàn)榇颂幈嘲?0重量物品。 注意分情況狀態(tài)轉(zhuǎn)移： j>=nums[i-1] 回溯-> 動(dòng)規(guī)問(wèn)題轉(zhuǎn)化 == 整體等式的推導(dǎo) 以及 問(wèn)題轉(zhuǎn)換時(shí)的0-1背包問(wèn)題 。
Continued… 動(dòng)態(tài)規(guī)劃法的優(yōu)點(diǎn): 只用加法24次,比較14次. 且級(jí)數(shù)N越大,計(jì)算量減少越多. 求解時(shí)采用的遞推方程一般形式為: J N ( x)
1.興趣導(dǎo)向：
大多數(shù)人都糾結(jié)要不要為了愛(ài)好去拼搏，但真的能做到的沒(méi)幾個(gè)。畢竟向生活妥協(xié)是大概率事件。我自己倒是很堅(jiān)決的執(zhí)行過(guò)，作為一個(gè)工科生，因?yàn)樯蠈W(xué)時(shí)候特別喜歡寫(xiě)東西，也就莫名其妙的做上了文科崗。結(jié)果雖然是入行了，也做過(guò)幾份自己比較滿(mǎn)意的工作，但問(wèn)題還是挺多的。
困難：
首先，工作不好找，跨專(zhuān)業(yè)找工作真的挺難的；
其次，工作難度大，盡管可能是這個(gè)行業(yè)里非常普通的工作但因?yàn)槟闶莻€(gè)外行，入門(mén)并不容易；
動(dòng)態(tài)規(guī)劃是運(yùn)籌學(xué)的一個(gè)分支，是求解決策過(guò)程最優(yōu)化的過(guò)程。
20世紀(jì)50年代初，美國(guó)數(shù)學(xué)家貝爾曼等人在研究多階段決策過(guò)程的優(yōu)化問(wèn)題時(shí)，提出了著名的最優(yōu)化原理，從而創(chuàng)立了動(dòng)態(tài)規(guī)劃。
動(dòng)態(tài)規(guī)劃的應(yīng)用極其廣泛，包括工程技術(shù)、經(jīng)濟(jì)、工業(yè)生產(chǎn)、軍事以及自動(dòng)化控制等領(lǐng)域；
并在背包問(wèn)題、生產(chǎn)經(jīng)營(yíng)問(wèn)題、資金管理問(wèn)題、資源分配問(wèn)題、最短路徑問(wèn)題和復(fù)雜系統(tǒng)可靠性問(wèn)題等中取得了顯著的效果。
是人工智能學(xué)術(shù)語(yǔ)
自適應(yīng)動(dòng)態(tài)規(guī)劃(Adaptive/Approximate Dynamic Programming，ADP)，又叫近似動(dòng)態(tài)規(guī)劃，是人工智能和控制領(lǐng)域發(fā)展而交匯形成的新興學(xué)科。
ADP方法主要包括三種基本類(lèi)型：?jiǎn)l(fā)式動(dòng)態(tài)規(guī)劃(Heuristic Dynamic Programming，HDP)，雙啟發(fā)式動(dòng)態(tài)規(guī)劃(Dual Heuristic Programming，DHP)和全局雙啟發(fā)式動(dòng)態(tài)規(guī)劃(Globalized Dual heuristic Programming，GDHP)。這三種類(lèi)型都包含三個(gè)模塊，如果每個(gè)模塊都用神經(jīng)網(wǎng)絡(luò)來(lái)代替，這樣我們也稱(chēng)這三個(gè)模塊為三個(gè)網(wǎng)絡(luò)，即評(píng)價(jià)網(wǎng)絡(luò)(Critic Network)、模型網(wǎng)絡(luò)(Model Network)和執(zhí)行網(wǎng)絡(luò)(Action Network)。如果我們省略了模型網(wǎng)絡(luò)，使得執(zhí)行網(wǎng)絡(luò)直接與評(píng)價(jià)網(wǎng)絡(luò)相連接，這樣的結(jié)構(gòu)稱(chēng)為它們的動(dòng)作依賴(lài)(Action-Dependent)形式，即ADHDP，ADDHP，ADGDHP。
規(guī)劃動(dòng)態(tài)維護(hù)是指通過(guò)對(duì)動(dòng)態(tài)狀態(tài)的一個(gè)情況了解以及進(jìn)行合理安排，合理利用進(jìn)行維護(hù)的方式。
規(guī)劃動(dòng)態(tài)維護(hù)主要內(nèi)容:
1、控規(guī)重大調(diào)整指涉及控規(guī)強(qiáng)制性?xún)?nèi)容、對(duì)控規(guī)單元的主體功能與用地布局產(chǎn)生重大影響等情況的調(diào)整；
2、控規(guī)一般調(diào)整指不涉及控規(guī)強(qiáng)制性?xún)?nèi)容，且對(duì)控規(guī)單元的主體功能與用地布局未產(chǎn)生重大影響等情況的調(diào)整；
3、控規(guī)動(dòng)態(tài)維護(hù)指市自然資源和規(guī)劃局針對(duì)規(guī)劃實(shí)施情況，對(duì)控規(guī)內(nèi)容進(jìn)行局部?jī)?yōu)化和微調(diào)。
