首页/Algo Bridge/状态机动态规划 (State Machine DP)/LC_121
⚡ 在闪卡工作台中刷此桥梁
🌉 单题同构迁移解析LC_121 · 简单

LC_121 (买卖股票的最佳时机) ➔ PPO (Proximal Policy Optimization) Clipped Loss

股票状态机 DP 中持有与未持有的转移,完全同构于强化学习的 Value Iteration。

1️⃣ 经典算法母体 (LeetCode Origin)

LC_121 · 买卖股票的最佳时机

所属范式:状态机动态规划 (State Machine DP) — 状态机动态规划。将每一阶段根据当前持有、未持有、冷冻期等属性切分为离散状态,状态之间存在明确的转换动作和转移代价,数学形式与马尔可夫决策过程贝尔曼方程完全同构。

⚡ 查看 LC-121 算法原题精解 ➔
2️⃣ 大模型工业系统落地 (Production AI System)

强化学习对齐 (PPO / DPO / GRPO) 与奖励模型 · PPO (Proximal Policy Optimization) Clipped Loss

工程映射场景:马尔可夫决策过程中的状态价值动态转移与最优策略迭代

🧬 对应工业算子接口签名
def ppo_clipped_loss(logprobs: torch.Tensor, old_logprobs: torch.Tensor, advantages: torch.Tensor, clip_eps: float = 0.2) -> torch.Tensor

🔗 同源拓展迁移桥梁

LC_72 ➔ PPO (Proximal Policy Optimization) Clipped Loss
编辑距离是所有序列对比、自动纠错与模型评测指标不可动摇的数学基础。...
← LC_72 (编辑距离) → 强化学习对齐 (PPO / DPO / GRPO) 与奖励模型LC_322 (零钱兑换) → Hybrid RAG 混合检索、切片合并与上下文背包装填 →