Dynamic Programming

📺 قائمة تشغيل Dynamic Programming

🔗 شوف كل الدروس من هنا:

هي واحدة من أهم التقنيات في عالم الخوارزميات، وتُستخدم لحل المشكلات اللي ممكن تتقسم لمشكلات فرعية متكررة. التقنية دي بتعتمد على حفظ النتائج الوسيطة عشان نتجنب إعادة الحسابات، وده بيخليها أكتر كفاءة مقارنةً بالنهج البسيط اللي بيعتمد على التقسيم والتكرار.

ليه نستخدم Dynamic Programming؟

✅ تحسين الأداء وتقليل التعقيد الزمني.
✅ تجنب تكرار الحسابات غير الضرورية.
✅ تُستخدم في مشاكل مشهورة زي: متتالية فيبوناتشي، مشكلة البائع المتجول، أقصر مسار، والمجموع الفرعي.

أنواع Dynamic Programming

🔹 الذاكرة العلوية (Memoization): بتعتمد على تخزين القيم المحسوبة مسبقًا بحيث يتم استدعاؤها عند الحاجة بدل ما نحسبها تاني.
🔹 الجدولة السفلية (Tabulation): بتعتمد على حساب القيم من الأسفل للأعلى وتخزينها في جدول عشان نتجنب الاستدعاء العودي المتكرر.

مثال على Dynamic Programming – متتالية فيبوناتشي


#include &lt;iostream&gt;
using namespace std;

const int N = 100;
int dp[N];

int fibonacci(int n) {
    if (n <= 1) return n;
    if (dp[n] != -1) return dp[n];
    return dp[n] = fibonacci(n - 1) + fibonacci(n - 2);
}

int main() {
    fill(dp, dp + N, -1);
    int n = 10;
    cout << "Fibonacci(" << n << ") = " << fibonacci(n) << endl;
    return 0;
}

في المثال ده، استخدمنا Memoization عشان نسرّع حساب متتالية فيبوناتشي.

فين بنستخدم Dynamic Programming؟

🏆 مسابقات البرمجة التنافسية.
🚀 تحسين الأداء في التطبيقات البرمجية.
📊 حل المشكلات الرياضية والخوارزمية المعقدة.

شاركنا رأيك في التعليقات، ولو عندك أي استفسارات عن Dynamic Programming، اكتبها تحت! 👇

Dynamic Programming – نهج لحل المشكلات بكفاءة