最长公共子序列问题，用C#实现的动态规划算法 X=ABCBDAB Y=BDCABA 以上是示例用的测试数据，输入数据可以得到结果

常用算法设计方法详细解析（含源代码） 算法是问题求解过程的精确描述，一个算法由有限条可完全机械地执行的、有确定结果的指令组成。指令正确地描述了要完成的任务和它们被执行的顺序。计算机按算法指令所描述的顺序执行算法的指令能在有限的步骤内终止，或终止于给出问题的解，或终止于指出问题对此输入数据无解。 通常求解一个问题可能会有多种算法可供选择，选择的主要标准是算法的正确性和可靠性，简单性和易理解性。其次是算法所需要的存储空间少和执行更快等。 算法设计是一件非常困难的工作，经常采用的算法设计技术主要有迭代法、穷举搜索法、递推法、贪婪法、回溯法、分治法、动态规划法等等。另外，为了更简洁的形式设计和藐视算法

算法-加油站问题动态规划

动态规划解石子合并问题，其中石子呈环形排列。源程序为c++代码。

Moshe Sniedovich编著的动态规划的书，全面阐述了动态规划的原理与应用，深入浅出，案例丰富。

给定M*N的矩阵，其中的每个元素都是-10到10之间的整数。你的任务是从左上角（1，1）走到右下角（M，N），每一步只能够向右或者向下，并且不能够走出矩阵的范围。你所经过的方格里的数字都必须被选取，请找出一条最合适的道路，使得在路上被选取的数字之和尽可能的小。

目录 第一讲 01背包问题 第二讲 完全背包问题 第三讲 多重背包问题 第四讲 混合三种背包问题 第五讲 二维费用的背包问题 第六讲 分组的背包问题 第七讲 有依赖的背包问题 第八讲 泛化物品 第九讲 背包问题问法的变化 附录一：USACO中的背包问题 附录二：背包问题的搜索解法

ACM－－－动态规划加速原理

某厂根据计划安排，拟将n台相同的设备分配给m个车间，各车间获得这种设备后，可以为国家提供盈利Ci j(i台设备提供给j号车间将得到的利润，1≤i≤n，1≤j≤m) 。问如何分配，才使国家得到最大的盈利？

Dijkstra、Astar 和动态规划的基于采样的移动机器人路径规划算法在这个存储库中，我们简要介绍了 Dijkstra、Astar 和动态规划方法的完整源代码，以在 2D 图上找到从起始节点到结束节点的最佳路径。 我们还提供了在给定地图上执行这些算法的主脚本。 我们已经在 map_definition.m 源代码中提供了一个示例地图 creatin。 我们在显示障碍物的地图中定义了所有封闭的多边形。 在示例地图中，有 13 个不同的障碍物，其边缘由给定的 x 和 y 坐标定义。 一个示例如下所示； map.pgx{1}=[2 8.5 8.5 4 2 2 1 1 2 4 2]; map.pgy{1}=[8 10 1 3 3 1 1 6 6 5 8]; 您可以添加新的障碍物或修改给定的障碍物以创建自己的地图。 基于采样的路径规划在基于采样的方法中，我们需要在地图上生成一定数量的点，