From 21372617c0a47cbb622f1a93355b37d559f59efa Mon Sep 17 00:00:00 2001
From: Albina Gimaletdinova <gimaletdinovaalbina@gmail.com>
Date: Mon, 13 May 2024 07:56:14 +0100
Subject: [dynamic-programming/ru] Added translation (#4571)

---
 ru-ru/dynamic-programming-ru.html.markdown | 66 ++++++++++++++++++++++++++++++
 1 file changed, 66 insertions(+)
 create mode 100644 ru-ru/dynamic-programming-ru.html.markdown

(limited to 'ru-ru')

diff --git a/ru-ru/dynamic-programming-ru.html.markdown b/ru-ru/dynamic-programming-ru.html.markdown
new file mode 100644
index 00000000..0b823b2d
--- /dev/null
+++ b/ru-ru/dynamic-programming-ru.html.markdown
@@ -0,0 +1,66 @@
+---
+category: Algorithms & Data Structures
+name: Dynamic Programming
+contributors:
+    - ["Akashdeep Goel", "http://github.com/akashdeepgoel"]
+    - ["Miltiadis Stouras", "https://github.com/mstou"]
+translators:
+    - ["Albina Gimaletdinova", "https://github.com/albina-astr"]
+lang: ru-ru
+---
+
+# Динамическое программирование
+
+## Введение
+
+Динамическое программирование (dynamic programming, DP) — мощный инструмент для решения определенного класса задач. Идея очень проста: если вы решили задачу для каких-то вводных данных, сохраните этот результат для будущих вычислений, чтобы снова не решать ту же самую задачу с теми же данными.  
+
+Запомните!
+«Кто не помнит своего прошлого, обречен на то, чтобы пережить его вновь»
+
+## Способы решения подобных задач
+
+1. *Сверху-вниз*: Начните с разбиения задачи на подзадачи. Если вы видите, что подзадача уже была решена, тогда используйте сохраненный ранее результат. Иначе решите подзадачу и сохраните её результат. Эта техника интуитивно понятна и называется мемоизацией.
+
+2. *Снизу-вверх*: Проанализируйте задачу и определите порядок, в котором решаются подзадачи, и начните решать от тривиальной подзадачи до изначальной задачи. Это гарантирует, что подзадачи будут решены, прежде чем решится вся задача. В этом и заключается динамическое программирование.
+
+## Пример задачи динамического программирования
+
+В задаче по определению самой длинной возрастающей подпоследовательности необходимо найти найти самую длинную возрастающую подпоследовательность для заданной последовательности.
+Для последовательности `S={ a1, a2, a3, a4, ............., an-1, an }` мы должны найти самое длинное подмножество, такое, что для всех `j` и `i`, `j<i` в подмножестве `aj<ai`.
+
+Прежде всего, мы должны найти значение самых длинных подпоследовательностей (`LSi`) для каждого индекса `i` с последним элементом последовательности, равным `ai`. Тогда наибольшая `LSi` будет самой длинной подпоследовательностью в данной последовательности. Для начала `LSi` равна единице, поскольку `ai` является элементом последовательности (последний элемент). Затем для всех `j` таких, что `j<i` и `aj<ai`, мы находим наибольшую `LSj` и добавляем ее к `LSi`. Тогда алгоритм выполняется за *O(n2)*.
+
+Псевдокод для определения длины самой длинной возрастающей подпоследовательности:
+сложность этого алгоритма можно уменьшить, если использовать структуру данных получше, а не массив. Использование массива с предшественниками и переменной `largest_sequences_so_far` («наибольшие последовательности на данный момент») и ее индекса сэкономит много времени.
+
+Аналогичная концепция может быть применена для определения самого длинного пути в направленном ациклическом графе.
+
+```python
+for i=0 to n-1
+    LS[i]=1
+    for j=0 to i-1
+        if (a[i] >  a[j] and LS[i]<LS[j])
+            LS[i] = LS[j]+1
+for i=0 to n-1
+    if (largest < LS[i])
+```
+
+### Некоторые известные задачи DP
+
+* [Floyd Warshall Algorithm - Tutorial and C Program source code](http://www.thelearningpoint.net/computer-science/algorithms-all-to-all-shortest-paths-in-graphs---floyd-warshall-algorithm-with-c-program-source-code)
+* [Integer Knapsack Problem - Tutorial and C Program source code](http://www.thelearningpoint.net/computer-science/algorithms-dynamic-programming---the-integer-knapsack-problem)
+* [Longest Common Subsequence - Tutorial and C Program source code](http://www.thelearningpoint.net/computer-science/algorithms-dynamic-programming---longest-common-subsequence)
+
+## Онлайн-ресурсы
+
+* MIT 6.006: [Lessons 19,20,21,22](https://www.youtube.com/playlist?list=PLUl4u3cNGP61Oq3tWYp6V_F-5jb5L2iHb)
+* TopCoder: [Dynamic Programming from Novice to Advanced](https://www.topcoder.com/community/data-science/data-science-tutorials/dynamic-programming-from-novice-to-advanced/)
+* [CodeChef](https://www.codechef.com/wiki/tutorial-dynamic-programming)
+* [InterviewBit](https://www.interviewbit.com/courses/programming/topics/dynamic-programming/)
+* GeeksForGeeks:
+  * [Overlapping Subproblems](https://www.geeksforgeeks.org/dynamic-programming-set-1/)
+  * [Tabulation vs Memoization](https://www.geeksforgeeks.org/tabulation-vs-memoizatation/)
+  * [Optimal Substructure Property](https://www.geeksforgeeks.org/dynamic-programming-set-2-optimal-substructure-property/)
+  * [How to solve a DP problem](https://www.geeksforgeeks.org/solve-dynamic-programming-problem/)
+* [How to write DP solutions](https://www.quora.com/Are-there-any-good-resources-or-tutorials-for-dynamic-programming-DP-besides-the-TopCoder-tutorial/answer/Michal-Danilák)
-- 
cgit v1.2.3