动态规划标签_亚马逊云科技技术品牌专区

动态规划

‌力扣经典算法：基于容器适配器的栈/队列动态规划解法

优势：单调栈作为容器适配器，简化了动态规划中的状态转移，将边界查找从$O(n^2)$优化到$O(n)$。适用场景：类似问题如“滑动窗口最大值”（使用队列适配器）或“接雨水”，都可通过栈/队列优化DP。关键点：确保栈/队列的单调性，以高效处理递增或递减序列。在实际编码中，注意边界条件（如数组为空时）。

2501_93893169
2025-10-22 19:37:55

 639

 11

#算法 #leetcode #动态规划
**《基于Java的微服务架构设计与非阻塞IO性能优化实战指南》**

采用带有工作队列的线程池模型（如ThreadPoolExecutor），通过调整corePoolSize和maximumPoolSize参数，配合队列容量控制，实现对突发请求的流量削峰。本文以Java技术栈为切入点，系统阐释高并发场景下架构设计与性能调优的关键策略，并通过代码层面的实践验证技术思路的可行性。2. 松耦合通信协议：通过标准化的RESTful API与gRPC协议实现服务间通信，结合R

MNHCUknC
2025-10-25 17:57:07

 314

 4

#动态规划
《基于Java的微服务架构设计深入分布式系统的高可用与弹性计算实践》

以下是符合要求的文章内容，采用自然分段与标题层级结构：---

qHlfvLVx
2025-10-28 12:31:26

 958

 23

#动态规划
动态规划与机器学习：线性回归中的正则化项 DP 优化思路

在线性回归中加入正则化项（如 L1/L2 正则化）可防止过拟合，但优化过程涉及非光滑项（如 L1 范数）。动态规划（DP）通过子问题分解和状态转移，可优化此类结构化问题。状态定义将参数空间离散化，定义状态 $dp[i][j]$：状态转移方程对第 $k$ 个特征系数 $\beta_k$，考虑其取值对正则化项 $R(\beta)$ 的影响：$$ dp[k][j] = \min_{\beta_k} \l

2501_93892127
2025-11-01 18:12:11

 372

 4

#动态规划 #机器学习 #线性回归
动态规划在深度学习中的应用：CNN 特征提取的层间 DP 剪枝

CNN 是深度学习中常用的模型，用于图像识别等任务，其核心是通过多个卷积层提取特征。每个层输出特征图（feature maps），通道数（channels）决定了特征的丰富度。然而，深层 CNN 往往存在冗余，导致计算量大、内存占用高。剪枝（pruning）技术通过移除不重要的权重或通道来压缩模型，但传统方法（如权重剪枝）可能忽略层间依赖关系。

2501_93897010
2025-11-01 18:12:14

 1787

 46

#深度学习 #动态规划 #cnn
动态规划解 “数据分片” 问题：大数据传输的最优分片策略

在数据传输中，大数据需要被分割成多个小片（分片）进行传输，以优化效率。分片策略涉及选择分片大小，以最小化总传输时间或成本。例如，每个分片有固定开销（如头部信息），而传输时间与分片大小成正比。动态规划能高效求解此优化问题，通过分解为子问题并存储中间结果。此方法适用于大数据传输，可扩展至非线性成本函数（只需修改 $c(s)$ 定义）。实际应用中，需根据网络特性调整参数 $a$ 和 $b$。输入为数据量

 2501_93892843
2025-11-01 18:10:42

 336

 3

#动态规划 #算法
动态规划与边缘计算：低功耗设备的任务调度 DP 模型

任务序列：$n$个独立任务，每个任务$i$有：本地执行能耗：$e_i^{local}$卸载执行能耗：$e_i^{offload}$本地执行时间：$t_i^{local}$卸载执行时间：$t_i^{offload}$约束条件设备剩余电量：$E_{max}$任务截止时间：$T_{deadline}$决策变量：$x_i \in {0,1}$（0:本地执行, 1:卸载执行）

2501_93891101
2025-11-01 18:12:46

 611

 21

#动态规划 #边缘计算 #算法
动态规划与云计算：云服务器弹性扩容的 DP 决策模型

设 $t$ 为时间阶段（$t = 1, 2, \dots, T$），$s_t$ 为 $t$ 时刻的服务器容量（离散化取值）。状态变量为： $$ \text{状态：} (t, s_t) $$ 表示时间 $t$ 的容量为 $s_t$ 时的系统状态。

2501_93910142
2025-11-01 18:21:40

 637

 10

#动态规划 #云计算 #服务器
动态规划在大数据流处理中的实践：实时数据统计的 DP 更新策略

在实时大数据流处理中，数据以高速、连续的方式到达（如传感器数据或日志流），传统批处理方法无法满足低延迟要求。动态规划（DP）作为一种优化技术，通过存储子问题结果来避免重复计算，非常适合实时统计任务。核心在于设计增量更新策略：当新数据点到达时，仅基于少量状态变量快速更新统计量，而无需重新处理历史数据。下面我将逐步解释这一过程。DP 的核心思想是将问题分解为重叠子问题，并维护一个状态表来存储中间结果。

2501_93927968
2025-11-01 18:21:28

 1075

 20

#动态规划 #算法
云计算与大数据：如何通过数据驱动决策，推动企业数字化转型

云计算为数据存储和处理提供了弹性支持，而大数据则为企业提供了深度分析和预测能力，这两者的结合推动了企业的数字化转型，帮助企业从数据中获得新的商业机会和竞争优势。基于大数据的分析，企业可以了解不同客户的需求和偏好，提供定制化的产品和服务。尽管面临安全性和人才等挑战，但随着技术的进步，云计算和大数据的应用将为企业带来更多机遇，成为未来企业发展的重要驱动力。在金融行业，美国的银行和金融机构利用大数据技术

 2501_94182049
2025-11-19 23:17:13

 613

 13

#动态规划
四色定理染色算法源代码公开开源ubuntu18+lazarus3+sqlite3

四色定理染色算法源代码公开开源ubuntu18+lazarus3+sqlite3

几何原本
2025-12-01 10:07:50

 230

 2

#算法 #数据结构 #动态规划
不再被AI忽视！用长缨引擎让你的品牌答案出现在通义千问首位推荐。就像以前做网站得懂SEO一样，现在面向A大模型的内容呈现方式也有了新的逻辑，业内管它叫，也就是生成式引擎优化。举个例子，在科技数码行业中

最近越来越多企业发现，当客户想了解某个产品或服务时，他们不再只去百度搜索，而是直接打开聊天机器人问一句“哪个品牌的平板适合在线学习”或者“市面上有哪些靠谱的学习机”。而AI给出的回答里，有些品牌频频露脸，有的却几乎从不被提到。这背后其实有个新趋势正在形成——不是谁的广告投得多就能赢，而是谁能更早进入AI的知识库，谁就有机会被优先。

2501_94400972
2025-12-25 08:27:37

 127

 2

#科技 #动态规划
面向微服务分布式限流与熔断保护的互联网系统高可用设计与多语言工程实践分享

限流控制压力，熔断保护核心节点动态阈值与半开策略避免误熔断监控闭环支撑策略优化与异常处理微服务分布式限流与熔断保护，使系统在高并发和复杂调用链环境下保持稳定与可控。通过在多语言实现中统一策略语义，结合动态阈值、半开策略和监控闭环，互联网系统能够在压力峰值或局部故障时持续保障核心业务可用性。这篇关于分布式限流与熔断保护的工程实践分享，希望为你在高可用微服务架构设计中提供可落地、长期有效的参考思路。

2501_94114911
2026-01-05 18:04:06

 170

 3

#贪心算法 #动态规划 #决策树
West Point Heroico Spanish Speech数据集介绍，官网编号LDC2006S37

West Point Heroico Spanish Speech 是由美国西点军校（USMA）外语系与技术强化语言学习中心（CTELL）联合墨西哥军事学院（Heroico Colegio Militar）构建、LDC 于 2006 年发布的西班牙语语音数据集（编号 LDC2006S37），核心用于西班牙语语音识别（ASR）、发音建模与语言学习应用开发，包含母语者与非母语者的朗读及提示语音与文本标

 ldccorpora
2026-01-14 11:11:57

 598

 7

#自然语言处理 #动态规划 #语音识别 +2
《机器学习导论》第15章- 隐马尔可夫模型（HMM）

本文系统介绍了隐马尔可夫模型(HMM)的核心概念与实现方法。首先通过天气-活动的通俗例子解释了HMM的基本原理，包括隐藏状态、观测状态、转移矩阵和观测矩阵四个要素。然后详细讲解了HMM的三大核心问题：估值问题(前向算法)、解码问题(Viterbi算法)和学习问题(Baum-Welch算法)，并提供了完整的Python实现代码和可视化结果。文章还扩展到连续观测HMM的实现，讨论了HMM作为概率图模型

 啊阿狸不会拉杆
2026-02-11 22:48:27

 1311

 38

#机器学习 #人工智能 #python +2
政务AI口播落地实录：某省大数据局弃云改用矩阵跃动本地一体机——3个月0数据出域、17次等保加固复盘

真正的转折点发生在一次应急演练：突发网络隔离状态下，原有云平台瞬间失联，而这台设备照常完成了当日防疫通告录制任务——那一刻，可靠性不再是PPT里的指标，成了办公室墙上挂着的安全感。一位做东南亚小家电出口的创业者反馈，同一份中文新品说明，设备自动输出越南语、泰语、印尼语三版本口播，连带匹配当地主播风格的唇形动画，“原来外包翻译再配音要三天，现在一小时搞定”。尤其在需要守住数据边界、扛住审计压力、保障

 2501_92487873
2026-02-12 11:54:09

 349

 11

#人工智能 #政务 #大数据 +2
本质是打家劫舍II，abc247-F - Cards

dp数组的计算其实是经典问题，假如不是环而是一条链的话，我们按照dp[i] = dp[i - 1] + dp[i - 2] 即可处理，但现在是环，所以需要分第一个边选 / 不选分别dp再累加结果。P, Q 两个排列其实就是一个置换，由该置换我们可以得到一个置换环，环上一条边就代表原数组中的一对 <P[i], Q[i]>我们需要预处理出一个数组dp，dp[i] 代表从长度为i 的环中，选出若干条边

 EQUINOX1
2026-03-06 17:16:48

 244

 6

#算法 #动态规划
微博文本情感分析：大数据分析中的 Python 实践

大数据分析项目python--微博文本情感分析研究思路:基于情感词典基于机器学习LSTM算法支持向量机(SVM)包含内容:数据集文档代码在大数据时代，文本情感分析成为了挖掘海量数据背后情感倾向的重要手段。今天咱们就来聊聊用 Python 实现微博文本情感分析这个超有趣的大数据分析项目，涉及基于情感词典、机器学习中的 LSTM 算法以及支持向量机（SVM）。

uNhPiLgvQDpJ
2026-03-22 20:15:00

 52

#动态规划
互联网与大数据环境下制造服务模式

通过客户全程参与，利用信息“产生优化的决策和个性化的服务为客户创造价值”的智能制造和客户化定制服务模式。

workflower
2026-06-15 19:02:07

 241

 4

#制造 #自动驾驶 #数据挖掘 +3
让大模型真正“懂”企业知识库

通用大模型虽然在互联网规模的公开数据上表现出色，但直接用于企业内部知识问答存在三个根本性缺陷:知识截止日期:大模型的训练数据截至某个时间点，之后产生的新文档、新项目、新决策无法被模型知晓。缺乏私有知识:大模型从未见过企业的内部文档一研发手册、生产记录、质量报告、合同协议等。增强:将检索到的内容片段与用户的原始问题组合成一个增强的提示词，其中明确告知大模型“请基于以下资料回答问题”。生成:大模型根据

 workflower
2026-06-22 18:47:33

 336

 3

#人工智能 #设计模式 #安全 +2
数学建模竞赛实战解析：热传导、动态规划与机器学习应用

数学建模是将现实问题抽象为数学问题并求解的核心方法，其关键在于选择合适的数学模型与算法。从原理上看，它涉及微分方程、优化理论、概率统计等多学科知识，通过计算机仿真实现复杂系统的模拟与决策。在工程实践中，数学建模的价值在于解决如工业过程控制、资源优化、风险评估等实际问题，例如通过有限差分法求解热传导方程来优化炉温曲线，或运用动态规划与蒙特卡洛模拟处理不确定环境下的路径规划。本文聚焦于全国大学生数学建

 学长说公考
2026-08-22 15:45:06

 322

 12

#动态规划
美团春招AI考点解析：机器学习与工程实践融合趋势

机器学习作为人工智能的核心技术，通过算法从数据中学习规律并做出预测。其核心原理包括特征工程、模型训练与评估等环节，在推荐系统、计算机视觉等领域具有广泛应用价值。随着AI工程化进程加速，掌握模型部署、特征存储等实践技能成为开发者必备能力。本文以美团春招为例，解析双塔模型、动态规划优化等高频考点，探讨AB测试方案设计等工程实践要点，为求职者提供算法与工程结合的备考指南。

北辰遴选
2026-08-24 12:14:05

 312

 6

#机器学习 #动态规划
动态规划核心思想与国赛四大模型：从暴力枚举到状态转移

动态规划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，从而避免重复计算、提升效率的算法思想。其核心原理在于定义状态与状态转移方程，将指数级复杂度的暴力搜索优化为多项式级。该技术在解决最优化问题和计数问题中具有极高价值，广泛应用于算法竞赛、机器学习决策序列、资源分配及路径规划等场景。本文以备战蓝桥杯国赛为背景，深入解析线性DP、背包DP、区间DP和树形DP四大基础模型，并结合状态机、状态压缩等

 井言7
2026-08-26 15:54:19

 291

 7

#动态规划 #蓝桥杯
算法学习核心框架：三大模型与十大算法精解

算法是计算机科学的核心，旨在通过一系列计算步骤高效解决特定问题。其核心原理在于将复杂问题分解为可管理的子问题，并利用数据结构与计算策略寻找最优或可行解。掌握算法对于提升软件性能、优化资源分配及解决复杂工程问题具有重要技术价值，广泛应用于搜索引擎、推荐系统、路径规划、机器学习等领域。本文聚焦于业界总结的“三大模型十大算法”实用框架，深入剖析最优化模型中的动态规划与线性规划等核心算法，通过资源分配、投

 benbenqingqing1
2026-08-26 09:20:13

 343

 7

#算法 #动态规划
从蓝桥杯真题解析到算法竞赛实战：高效刷题与深度学习方法论

算法是计算机科学的核心基础，其本质是通过一系列指令高效解决特定问题的计算模型。理解算法原理，如动态规划的最优子结构和贪心算法的局部最优选择，是构建高效程序的关键。掌握这些核心算法能显著提升代码性能，解决大规模数据处理、路径规划等复杂工程问题。在信息学竞赛和日常开发中，算法能力直接决定了问题解决的效率与优雅度。本文以一道典型的竞赛真题（如涉及博弈论或动态规划的题目）为切入点，系统阐述从审题建模、算法

 weixin_34289454
2026-08-26 11:45:16

 493

 3

#蓝桥杯 #动态规划
分布式GPU智能算法深度研究2026年版（中）

本文系统梳理了深度学习模型训练的并行策略与自动并行搜索技术。首先介绍了数据并行（DP/DDP）的工作原理及与TorchDynamo的协同优化。重点分析了ZeRO系列优化器（ZeRO-1/2/3）的显存优化机制及扩展技术（Offload/Infinity/++），通过参数/梯度/优化器状态分片实现显存线性扩展。对比了PyTorch原生FSDP两种实现方案的特点。详细阐述了Megatron-LM的张量

 Allen_LV
2026-08-19 08:53:58

 2965

 39

#分布式 #人工智能 #算法 +3
Agent安全六层攻击面模型

智能体的风险并不只来自模型本身，而来自它所连接的身份、工具、数据、记忆和行为链路。一个Agent代表谁执行、能调用什么工具、能读取什么数据、会记住什么信息、最终执行了什么动作，都会成为新的安全边界。传统安全的攻击面定义主要围绕"系统漏洞"展开，包括代码缺陷、配置错误、权限滥用和暴露资产。但在智能体场景下，攻击面不再是静态漏洞集合，而是智能体运行体系中的每一个"可被利用的交互点"。

workflower
2026-06-03 01:15:00

 497

 8

#安全 #人工智能 #软件工程 +3
Claude Code辅助部分软件开发工作

如果企业改造的核心始终是组织协调，而不是技术诊断，那么最终赚到最多钱的，仍可能是Palantir、埃森哲、麦肯锡等拥有22Co.cN庞大交付队伍的公司。但这类人才并不容易找到：根据猎头公司Christian & Timbers（C&T）的一项研究，美国目前真正具备这种能力的工程师大约只有2000人——这个数字指的不是空缺岗位数量，是符合要求的人才，一共只有2000人。它们不拥有最强模型，也不掌握企

 2501_94238955
2026-08-05 22:47:48

 247

 7

#人工智能 #模拟退火算法 #决策树 +2
从执行到思考：构建具备自主判断与动态规划能力的AI智能体

在人工智能领域，智能体（Agent）通常指能够感知环境并执行动作以实现目标的系统。其核心原理在于通过状态管理、决策框架和与环境交互的循环，完成特定任务。传统智能体多依赖于预设流程和静态规则，虽能高效处理明确指令，但在面对复杂、不确定或信息不全的场景时，往往缺乏灵活性与适应性。这限制了其在需要自主判断和策略调整的真实场景中的应用价值。随着大语言模型的发展，智能体正从简单的“工具调用者”向具备“思考”

The Type
2026-08-10 09:29:16

 333

 8

#AI智能体 #动态规划
从“文本存档”到“数据决策”：道本×DeepSeek带来的三个变化

通过DeepSeek的语义理解能力，合同要素提取准确率达到98.7%——无论格式如何、表述如何，关键信息被统一拆解、标注、入库。道本鹰眼审查矩阵的机制，是把每一次审查过程中产生的审核意见——业务提出的、法务标记的、财务关注的——全部自动采集，通过DeepSeek持续训练，迭代下一轮的审查逻辑。更重要的是，系统结合DeepSeek自动生成风险总结报告——不是简单的“有几条预警”，而是从风险领域、风险

 Daorigin_com
2026-07-02 17:29:26

 420

 10

#动态规划 #大数据 #数据仓库 +4
【C++题解】动态规划-背包问题

本文系统讲解动态规划中的背包问题，重点解析0-1背包和完全背包的核心概念与实现差异。0-1背包要求物品最多选一次（容量逆序遍历），而完全背包允许无限次选择（正序遍历）。通过采药、包邮等典型例题，展示如何将实际问题抽象为背包模型，包括状态定义、转移方程和空间优化技巧。文章强调通过对比两种背包问题的循环顺序差异，帮助读者理解其本质区别，并提供分组背包等变种问题的解题思路。最后建议通过自查来检验对背包问

 obroccolio
2025-09-10 22:44:32

 1062

 21

#c++#动态规划 #开发语言
浅谈背包DP（C++实现，配合lc经典习题讲解）

很久没有更新数据结构与算法的专题文章了，也很久没有好好刷算法题了，很惭愧。之前我们介绍过由递归到记忆化搜索再到动态规划的演进过程，从本文开始我们将见识一些常见的动态规划题目模型，在互联网大厂笔试面试出现的概率极高！今天我们来介绍“背包DP”这一模型，并结合leetcode的经典题目来进行真题讲解。常见的背包DP的类型有这三种，我们会依次结合场景对其进行介绍！此处声明，我的文章是我学习左程云老师算法

 gbl2005
2025-09-16 18:06:18

 936

 27

#c++#开发语言 #动态规划 +1
LeetCode力扣-152.乘积最大子数组 C++动态规划解答

因为遍历到某个元素的时候，我们需要连续的子数组，如果那个元素大于之前的所有子数组乘积（例如负数，它本身是正数），那么就是它自己了，如果它和自己的最大乘积相乘都是正数，那么相乘必定会得到更大的正数，相反如果是负数的话则同理，与之前最小的乘积相乘得到最大值。首先想到的是利用动态规划的基本思想，创建一个 n * n 的二维数组来存储连乘到某个元素的时候的积 dp [ m ][ n ]，然后再尝试从其中寻

 m0_72756468
2025-09-19 16:27:22

 311

 6

#leetcode #算法 #数据结构 +2
C++刷题----动态规划（解答加详情注释）

本文展示了5道动态规划问题的解法，涵盖不同难度级别： 91题"解码方法"：通过动态规划处理字符串解码问题，考虑0的特殊情况和两位数组合的有效性判断。 62题"不同路径"：使用二维DP数组计算网格中从起点到终点的唯一路径数，初始化边界条件后递推求解。 931题"下降路径最小和"：通过扩展边界处理矩阵中的最小下降路径，采用从顶向下的记忆化搜索

 鲨鱼吃橘子
2025-09-20 09:30:00

 663

 15

#c++#动态规划 #开发语言
C++进阶，迈出新手村，今天我们学《动态规划DP》

动态规划（DP）一种通过将复杂问题分解为相对简单的子问题来解决问题的方法。(这听起来很想分治、递归，事实上也差不太多，在编程中难学的东西特有的相似 Q.A Q. )动态规划的核心解决问题的思路基本相同1.找最优子结构和最小子问题2.构建状态转移方程3.确保无后效性（即已确定的子问题的答案不能因为之后的子问题发生改变）（这篇量大管饱，不打算出分集，一个是因为大家学累了之后可以直接休息不用来回找，另一

 Linson Falconer
2026-05-05 23:33:18

 406

 12

#c++#动态规划 #开发语言
2026年第十七届蓝桥杯大赛软件赛省赛 Python 大学 B 组 A-F 题完整题解（小白友好版）

本文完整还原第十七届蓝桥杯大赛软件赛省赛 Python 大学 B 组 A-F 全部题目，提供每道题可直接运行的 Python 完整代码、零基础小白也能看懂的思路讲解、样例验证与核心考点拆解。内容覆盖结果填空题、编程大题全题型，包含模运算优化、带懒标记的并查集、博弈论结论、拓扑排序环处理等蓝桥杯高频考点，是 Python 组选手备赛复盘的保姆级题解指南。

sbjdhjd
2026-05-07 15:52:03

 1745

 19

#蓝桥杯 #python #职场和发展 +4
蓝桥杯-2026年C++B组省赛

（题目来源于洛谷，省一代码分享）

故事和你91
2026-05-10 09:04:11

 976

 15

#蓝桥杯 #c++#算法 +4
【C++动态规划】B3734 [信息与未来 2017] 加强版密码锁|普及+

题目摘要：本题描述了一个密码锁问题，由n个拨盘组成，每个拨盘初始值为0到99之间的整数。拨盘可以向上或向下拨动，每次拨动花费k²单位时间（k为拨动次数）。要求将所有拨盘调整为严格递增序列，求最小总花费时间。输入为拨盘数量n和随机数种子R1，拨盘初始值由Ri mod 100生成。输出解开密码锁的最小时间。解题思路：使用动态规划，dp[i][j]表示前i+1个拨盘严格递增且第i个拨盘为j时的最

 闻缺陷则喜何志丹
2026-05-18 07:00:00

 1462

 51

#c++#动态规划 #算法
C++ 动态规划经典题：戳气球问题详解——从区间 DP 到状态转移

本文介绍了LeetCode 312题"戳气球"的区间动态规划解法。该问题的核心在于逆向思考，即确定每个气球作为最后一个被戳破时的最优解。通过在原数组两侧添加虚拟气球1简化边界处理，定义dp[i][j]表示戳破区间[i,j]内所有气球的最大硬币数。状态转移方程为：枚举区间内每个气球k作为最后一个被戳破的气球，将问题分解为左右两个子区间的最优解之和加上最后戳破k的收益。算法采用从小区间到大区间的遍历顺

 玖釉-
2026-05-20 15:47:40

 388

 10

#c++#动态规划
蓝桥杯国赛JavaB组赛后复盘：从互质到状压DP，我的解题思路与踩坑记录

本文分享了作者在蓝桥杯国赛JavaB组中的解题经验与技巧，从互质问题的数学转化到状压DP的应用实践。文章详细解析了算法竞赛中的思维跃迁、数学思维的核心地位以及动态规划的实战技巧，并提供了时间管理策略和从竞赛到工程的能力迁移建议，助力参赛者提升竞赛水平。

weixin_30621959
2026-05-25 10:14:02

 417

 8

#蓝桥杯 #动态规划
状态机+划分型 DP ：深度解析K-划分问题下 DP 状态的转移逻辑（洛谷P2679 P2331 附C++代码）

由于本人较菜，所以滚动数组我写得更好理解一点的奇偶滚动数组，感觉类似 01 背包的滚动数组写法还是有点难理解。以下是本人的代码。#define int long long//我用个long long怕不知道哪里爆了虽然有取模//记得取模//dp数组int n,m,k;string a,b;cin>>a>>b;//我对字符串a和b都做了一点下标偏移，让下标从1开始而不是0开始，更符合直觉a=" "+

h_a_o777oah
2026-05-24 19:21:26

 411

 12

#动态规划 #算法