DP算法思想

求递推式方法：

Note1:    直接递推

 f(n,o)表示的是以N为长度，以O为结尾的合法字符串个数 

问题 X: 阿牛的EOF牛肉串（分类讨论）-CSDN博客

Note2:    分类讨论，递推

f(n,1,3)表示以N为长度，以第一种颜色开头，3为结尾的合法字符串数量

问题 Y: LELE的RPG难题（分类讨论，三维）-CSDN博客

简单关系：

问题 R: 超级楼梯（递推，基础DP）查表-CSDN博客

Note:         f(n)=f(n-2)+f(n-1)递归

问题 S: 一只小蜜蜂...（初始化dp）-CSDN博客

Note:          f(n)=f(n-2)+f(n-1)迭代（规模较大）

普通DP:

问题 A: 数塔(dp算法)-CSDN博客

Note:        dp[i][j]=max(dp[i+1][j],dp[i+1][j+1]);        (注意边界条件)

背包问题： 

01背包：

01背包问题 及 完全背包-CSDN博客

Note:   一维数组优化，一循环w[i] 放在物品的一侧，二循环w[i]放在物品另一侧(不放w[i]已优化)

def count_different_weights(n, weights):
    # 初始化动态规划数组，大小为总重量+1，初始值都为0
    # dp[i]表示是否可以称出重量i（1表示可以，0表示不可以）
    dp[0] = 1  # 设置重量0总是可以称出

    for weight in weights:
        # 如果可以称出重量 j - w[i]，则也可以称出重量 j
        for j in range(sum_weights, weight - 1, -1):
            dp[j] |= dp[j - weight]

        # 如果可以称出重量 j，则也可以称出重量 j + w[i]
        for j in range(sum_weights - weight, -1, -1):
            dp[j + weight] |= dp[j]

    # 计算可以称出的不同重量的总数（减去重量为0的情况）
    answer = sum(dp) - 1

    return answer

完全背包：      

Note:        01背包顺序遍历