‘壹’ PID算法中的动态P是什么意思
1，PID增量式算法：是PID控制算法的一种，有滤波的选择，系统的动态过程加速的功能。（1）滤波的选择：可以对输入加一个前置滤波器，使得进入控制算法的给定值不突变，而是有一定惯性延迟的缓变量。（2）系统的动态过程加速：如果被控量继续偏离给定值，则这两项符号相同，而当被控量向给定值方向变化时，则这两项的符号相反。由于这一性质，当被控量接近给定值的时候，反号的比例作用阻碍了积分作用，因而避免了积分超调以及随之带来的振荡，这显然是有利于控制的。但如果被控量远未接近给定值，仅刚开始向给定值变化时，由于比例和积分反向，将会减慢控制过程。2，PID增量算法的饱和作用及其抑制：在PID增量算法中，由于执行元件本身是机械或物理的积分储存单元，如果给定值发生突变时，由算法的比例部分和微分部分计算出的控制增量可能比较大，如果该值超过了执行元件所允许的最大限度，那么实际上执行的控制增量将时受到限制时的值，多余的部分将丢失，将使系统的动态过程变长，因此，需要采取一定的措施改善这种情况。
‘贰’ 什么是动态帧时隙aloha算法
要解释清楚这个算法可能需要一本书，简单的说，ALOHA算法是在RFID系统中，用来解决标签碰撞的常用方法
‘叁’ Ackerman函数的动态规范算法
试设计一个计算A(m，n)的动态规划算法，该算法只占用O(m)空间。
用两个一维数组，ind[i]和val[i]，使得当ind[i]等于t时，val[i]=A(i，ind[i])。
i ind[i] val[i]
0 0 1
1 -1 0
2 -1 0
……
初始时，令ind[0]=0，val[0]=1，ind[i]=-1(i>0)，val[i]=0(i>0)。
1当m=0时，A(m，n)=n+1。
任给一个t，当ind[0]=t时，能够求出val[0]的值，val[0]等于ind[0]。
2当n=0，m>0时，A(m，n)=n+1。
能够求出当ind[i]=0时，val[i]的值，此时val[i]等于当ind[i-1]等于1时val[i-1]的值。
3当m>0，n>0时，A(m，n)=A(m-1，A(m，n-1))。
当ind[i]=t，val[i]=s时，要求当ind[i]’=t+1时val[i]’的值。
Val[i]’=A(i，ind[i]’)=A(i-1，A(i，ind[i]’-1)=A(i-1，A(i，ind[i]))=A(i-1，val[i])
所以，当ind[i-1]=val[i]时，能够求出当ind[i]’=k+1时，val[i]’=val[i-1]。
#include <stdio.h>
int ack(int& m,int& n)
{
int i,j;
int *val=new int[m+1];
int *ind=new int[m+1];
for(i=1;i<=m;i++)
{
ind[i]=-1;
val[i]=-1;
}
ind[0]=0;
val[0]=1;
while(ind[m]<n)
{
val[0]++;
ind[0]++;
printf("%d ",val[0]);
for(j=1;j<=m;j++)
{
if(1==ind[j-1])
{
val[j]=val[j-1];
ind[j]=0;
}
if(val[j]!=ind[j-1])
break;
ind[j]++;
val[j]=val[j-1];
}
}
printf("\n");
printf(" i ind[i] val[i]\n");
for(i=0;i<=m;i++)
printf("%5d %6d %6d\n",i,ind[i],val[i]);
return val[m];
}
‘肆’ 什么是动态规划算法，常见的动态规划问题分析与求解
动态规划的题都是可以分出阶段的，比如背包问题可以由前i种物品的情况推导出前i+1种物品。 很多动态规划都是要求最优化某个值，有最优子结构性质，它的逻辑就是：要我求出前i+1种物品的最优值，
‘伍’ 算法分析中动态规划的四个基本步骤
1、描述优解的结构特征。
2、递归地定义一个最优解的值。
3、自底向上计算一个最优解的值。
4、从已计算的信息中构造一个最优解。
‘陆’ 动态规范算法设计的步骤
动态规划吧！
‘柒’ 详解动态规划算法
其实你可以这么去想。
能用动态规划解决的问题，肯定能用搜索解决。
但是搜素时间复杂度太高了，怎么优化呢？
你想到了记忆化搜索，就是搜完某个解之后把它保存起来，下一次搜到这个地方的时候，调用上一次的搜索出来的结果。这样就解决了处理重复状态的问题。
动态规划之所以速度快是因为解决了重复处理某个状态的问题。
记忆化搜索是动态规划的一种实现方法。
搜索到i状态，首先确定要解决i首先要解决什么状态。
那么那些状态必然可以转移给i状态。
于是你就确定了状态转移方程。
然后你需要确定边界条件。
将边界条件赋予初值。
此时就可以从前往后枚举状态进行状态转移拉。
‘捌’ 使用动态算法求解，一般需要采取哪些步骤
搞清dp定义，建立递推式，确定初始值以及递推顺序，确定答案的值，如果复杂度不够要进行优化
‘玖’ 设计动态规划算法有哪些主要步骤
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。
‘拾’ 递归算法和动态规划的关系是什么呀
递归比较简单的，就是递推的逆向算法。例如已知a(10)且a(n)=f(a(n+1))，让你求a(1)。回溯是深度优先搜索必须要用到的方法，推荐你看下“八皇后问题”，看完就应该明白了。动态规划是一种以空间换时间的算法，也就是占用内存较大，但是时间效率比较高的分阶段算法。推荐你看看“拦截导弹”问题，“0/1背包问题”。动态规划先多看看题，然后再去理解概念比较好