京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据结构和算法—动态规划
我一直最想做的就是机器学习,所以也都是在报机器学习的岗位,在BAT三家公司中,其实还是要讲百度吧,因为阿里在一面的时候就挂了,给我的理由是我投错了岗位(据面试官讲我应该去投算法岗,但我投的是数据挖掘),后来我在想,其实还就是我没能达到她的语气要求;腾讯就别讲了,连面试都没收到(据说这个岗位不招我们学校的),这可能就是个猜测吧。重点说说百度的笔试和面试吧,单纯从技术上来讲,因为我在做机器学习嘛,百度还是我最心仪的公司。这次百度的招聘分为笔试+面试(三个技术面+Hr面),我挂在了最后一个技术面上,先来说说武汉的笔试吧,当然笔试题我做得还是蛮开心的,因为最后一道证明题可以说还是我平时的强项吧,面试中,前两面都还好,面得比较基础,包括基本的数据结构,算法,然后是机器学习的算法理解,不同算法之间的对比,这也正是我平时做的一些工作,这样的过程还是蛮舒服的,整个流程下来,我觉得问题不是很大。最后一关就是很多实际的项目问题,由于我自己平时项目较少,加之自己的导师不是做机器学习的,没做过具体的机器学习相关项目,只是将算法学习的比较全。
我写以上的东西也是给找工作的朋友一个建议,也是给自己一个醒目的教训,多去实践,所以这段时间我还是会努力更新我的博客,当然不完全是前面的机器学习算法,现在将包括更多的东西,我会把我现在在做的项目也慢慢更新上来,然后又基本的算法的学习材料,希望关注我博客的朋友,大家一起努力,我不是科班出身,但是我希望大家不吝赐教,有你的帮助我会成长的更快。
好了,就写到这吧。我想还是从一些算法开始入手吧,今天还是来更新一篇动态规划的文章。
一、动态规划的思想
动态规划(dynamic programming)是一种算法设计的思想,主要是将一个问题划分成几个更小的问题,并对这样更小的问题进行求解,最终得到整个问题的解。有人在想这样的方式和分治法的求解很像。
动态规划:各个子问题不是独立的,他们包含了公共子问题
分治法:一个大问题是被划分成一些独立的子问题,通过递归地求解子问题最终得到整个问题的解
在动态规划法中,与其对交叠的子问题一次一次求解,不如对每个较小的子问题只求解一次并把结果记录在表中,这样就能从表中得到原始问题的解。举个简单的例子,对于菲波那切数列来说:

对于这样的递推式,可以把一个复杂的问题分解成几个非独立的子问题,我们可以采用的方式是记录每一组值,如斐波那契数列的值依次是0,1,1,2,3,5,...。而不需要重复去计算。
二、用动态规划求解二项式系数
二项式系数问题是一个求解
的问题。我们有如下的递推式:

要计算
的值,我们需要记录
到
之间的值。动态规划的核心思想就是要找到这样的递推式,然后构建这样的存储空间去记录中间的值,避免重复计算。最简单的方式是利用数组去记录。数据分析师培训
如上的问题可以用下面的Java代码实现:
[java] view plain copy 在CODE上查看代码片派生到我的代码片
package org.algorithm.dynamicprogramming;
/**
* 利用动态规划的思想去求解二项式系数的问题
*
* @author dell
*
*/
public class CalculateDemo {
/**
* 用动态规划计算C(n,k)
*
* @param n为二项式的参数
* @param k为二项式的参数
* @return C(n,k)的值
*/
public static int calBinomial(int n, int k) {
int C[][] = new int[n+1][k+1];
for (int i = 0; i <= n; i++) {
for (int j = 0; j <= minValue(i, k); j++) {
if (j == 0 || j == i) {
C[i][j] = 1;
} else {
C[i][j] = C[i - 1][j - 1] + C[i - 1][j];
}
}
}
return C[n][k];
}
// 返回较小的值
public static int minValue(int i, int k) {
return (i <= k ? i : k);
}
public static void main(String args[]) {
int n = 10;
int k = 5;
System.out.println(calBinomial(n, k));
}
}
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心工作,是通过数据解读业务、支撑决策,而指标与指标体系 ...
2026-03-09在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28