动态时间规整（DynamicTimeWarping，DTW）算法是一种用于衡量两个时间序列之间相似性的方法，尤其适用于处理不同长度或存在局部时间偏移的序列。它通过动态规划的方式计算最优对齐路径，允许序列在时间轴上非线性地伸缩，从而最小化累积距离。DTW广泛应用于语音识别、手势识别、金融时间序列分析等领域。算法的核心思想是构建一个距离矩阵，并通过递归寻找从起点到终点的最小成本路径，最终返回对齐后的最小累积距离。DTW对噪声和局部变形具有一定的鲁棒性，但计算复杂度较高，通常需要优化技术（如下界剪枝或近似方法）来提升效率。