1. 有没有人用动态规划的方法来求得两幅图像的立体匹配视差图
这个是主要的代码。
它可以分为几下几个部分：
（1）这里DP算法只在每一行中进行搜索，那么应该记录下两图的每一对应行的 cost function的值，程序用的是SAD方法。
（2）开始从最后一行开始进行搜索，这里因为好像要将当前元素与前后三个元素进行比较光滑度的比较，所以构造了这么一个矩阵
（3）然后说是把什么先记录下来，然后找到这条最优路线
2. 简述动态规划算法的基本范式
动态规划算法通常用于求解具有某种最优性质的问题.在这类问题中,可能会有许多可行解.每一个解都对应于一个值,我们希望找到具有最优值的解.动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解.与分治法不同的是,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的.若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次.如果我们能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,这样就可以避免大量的重复计算,节省时间.我们可以用一个表来记录所有已解的子问题的答案.不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中.这就是动态规划法的基本思路.具体的动态规划算法多种多样,但它们具有相同的填表格式.
3. 动态规划求解图的最优匹配问题
可以看成最长路问题 有很多种方法 比如佛洛依德算法.....
4. 怎么使用动态规划算法对图像进行立体匹配呢具体做法
这个是主要的代码。 它可以分为几下几个部分： （1）这里DP算法只在每一行中进行搜索，那么应该记录下两图的每一对应行的 cost function的值，程序用的是SAD方法。 （2）开始从最后一行开始进行搜索，这里因为好像要将当前元素与前后三个元素进。
5. 动态规划算法怎么计算
动态规划算法：
（1）分析最优解的性质，并刻画其结构特征。
（2）递归的定义最优解。
（3）以自底向上或自顶向下的记忆化方式（备忘录法）计算出最优值。
（4）根据计算最优值时得到的信息，构造问题的最优解。
6. python如何实现动态规划算法寻找最优匹配子串
把较低的mismatch用字典保存一下，就好了。如：
def match(s1,s2):
length = len(s2)result = ""resultMissmatchCount=lengthseqdict={}for index,s in enumerate(s1[:-length]):
missmatch = 0
for j,k in zip(s1[index:index+length],s2): #[（s1[0],s2[0]),(s1[1],s2[1]),...]
if j!=k:
missmatch += 1
if missmatch <= resultMissmatchCount:
seqdict[missmatch]=s1[index:index+length]
resultMissmatchCount = missmatch
minkey=min(seqdict.keys())result = seqdict[minkey]return result
7. 怎样用动态规划算法解决24点问题，稍详细些，谢谢
枚举法： Enumeration
排序：Sort
贪心法：Greedy algorithm
递归：Recursion
分治：Divide and Rule
深度优先搜索：Depth First Search(DFS)
宽(广)度优先搜索：Breadth First Search(BFS)
动态规划：Dynamic Programming(DP) 也有人叫它 Dynamic Process
离散化：Discretization
栈：Stack Last in First out (LIFO)
队列：Queue First in First out(FIFO)
顺序表：Array Array-Based List
链表：Chain Linked List
广义表：Lists
串：String
集合：Set
树：Tree
二叉树：Binary Tree
完全二叉树：Complete Binary Tree
二叉搜索树：Binary Search Tree(BST)
堆：Heap
图：Graph
哈希表：Hash Table
并查集：Union-Find Sets 或 Disjoint Sets
最大匹配：maximal matching
线段树：Segment Tree
树状数组：Binary Indexed Tree
伸展树：Splay Tree
左偏树：Leftist Tree 或 Leftist Heap
斐波那契堆：Fibonacci Heap
后缀树：Suffix Tree
网络流：Network Flows
凸包：Convex Hull
叉积：Cross Function
高斯消元：Gaussian Elimination
匹配：Matching
矩阵：Matrix
8. 动态规划算法对所有问题都能得到整体最优解吗为什么
1、基本概念：
动态规划就是：每走一步，都会根据之前的情况来决定这一步的走向，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。
2、基本思想与策略：
与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。
由于动态规划解决的问题多数有重叠子问题这个特点，为减少重复计算，对每一个子问题只解一次，将其不同阶段的不同状态保存在一个二维数组中。
与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。
3、经典例题：
这里我们用2个经典例题来解释到底什么是动态规划。
9. 动态规划能求得问题最优解的依据是什么
首先是全局（最终）的最优解必定可以从部分（子问题）的最优解计算得到
其次是小规模的最优解可以计算较大规模的最优解，可以计算是说，当前的计算不影响后面最优情况。
在一定程度上可以理解成递推