Python中的遞迴、回溯和動態規劃

Contents

從回溯( backtracking )到動態規劃( dynamic programming )如數獨( Sudoku )、背包( Knapsack )問題的基本演算法學起。

動態規劃(dynamic programming)是運籌學的一個分支，是求解決策過程 ( decision process )最優化的數學方法。20世紀50年代初美國數學家 R.E.Bellman 等人在研究多階段決策過程 ( multistep decision process ) 的優化問題時，提出了著名的最優化原理 ( principle of optimality ) ，把多階段過程轉化為一系列單階段問題逐個求解，創立瞭解決這類過程優化問題的新方法——動態規劃。(本段敘述源於 MBAlib )

從這 5.5 小時的課程，你會學到

理解回溯
理解動態規劃 ( dynamic programming )
從頭開始解決問題
從頭開始實現前饋神經網路( feedforward neural networks )

要求

基本的 Python 知識 ( 請參考 Python 程式設計學習地圖 )

課程說明

本課程是關於演算法問題的基本概念，著重於回溯( backtracking )和動態規劃( dynamic programming) 。就我而言，這些技術在今天是非常重要的，演算法可以在從軟體工程到投資銀行或者研發等許多領域使用(並且有一些應用程式)。

在每一部分，我們將討論所有這些演算法的理論背景，然後我們將一起實現這些問題。

第一章是關於回溯( backtracking )問題: 我們將討論 N-queens 問題或漢米頓迴路( hamiltonian cycles )與著色( coloring )問題。在第二章中，我們將討論動態規劃( dynamic programming )，首先是理論，然後具體的例子一個接一個: 斐波納契序列( fibonacci sequence )問題和背包( knapsack )問題。

目標受眾

這門課程主要是為那些不熟悉演算法問題的學生或者想進修者設計

講師簡介

Holczer Balazs 軟體工程師

嗨！我的名字是 Balazs Holczer。我來自匈牙利的布達佩斯。我有物理學家資格。目前我在一家跨國公司做模擬工程師。我對演算法和資料結構及其實現一直很感興趣，尤其是在 Java 上。後來我熟悉了機器學習技術、人工智慧、數值方法和方劑如解微分方程、線性代數、內插( interpolation )和外插( extrapolation )。在軟體工程、研發或投資銀行等領域，這些事情可能被證明是非常、非常重要的。我特別喜歡定量模型( quantitative models )，比如 Black-Scholes 模型或 Merton 模型。

如果你對這些話題感興趣，可以看看我的網站並加 email 訂閱！