菜鸡acmer理解 【动态规划】01背包和完全背包一维数组的比较

01背包的一维数组代码：

for(int i=1;i<=n;i++)
        for(int j=c;j>=w[i];j--) ///c为总容量
        dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
     printf("%d\n",dp[c]);

代码解释：
声明dp数组，表示面对前i个物品，能获得的最大价值，通过这样的理解我们可以得到他的状态转移方程：
dp[ c ] = max(dp[ c ],dp [j-w[ i ]]+v[ i]) (j>=w[ i ])
而代码中的j是从c->wi，因为只有这样我们才能够保证再前i中，（我们先假设大j>小j）每次的dp[大j]不会影响接下的dp[小j],因为接下的小j无论它怎么减，都不会与此次前面的大j，因为相等而搭上一丝丝的瓜葛。每一次的dp[j]都要保证是从前i个推来的。要是我们调换顺序的话，我们可以想下，那按这种情况的话，j是从w[i]->c(从小到大)后面的大j是不是比前面的小j大，那这样的话，假如此次前面的dp[小j]已经更新了,那这样就很有可能会影响后面的dp大j是从前i次推过来的了，因为更新的条件是：每次更新都是不能被此次前面的更新的影响下进行的）,
简单总结一下就是：我们不可以让前面的 j1-w【i】 == j2 只有满足 j1 >j2 才能满足在循环的时候 先循环j1 从而后续循环到j2的时候不会被前面的j1操作所覆盖，这样做的原因是：01背包每次更新都是不能被此次前面的更新的影响下进行的 很重要 很重要 很重要

完全背包一维数组代码：

for(int i=1;i<=n;i++)
        for(int j=c;j>=w[i];j--) ///c为总容量
        dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
     printf("%d\n",dp[c]);

这里j是从w[i]->c(从小到大)，举个特例来解释这个完全背包的代码吧，从这两个代码可以知道，只是j的循环方向不同而已，现在就假设i就等于1，w=3，v=4，c=15，

现在只要小推以下就能明白为什么要从小到大了，如果是从大到小，最后结果是4，如果从小到大，结果就是20。

因为完全背包的条件是：每次更新都是可以被此次前面的更新的影响下进行的。 这个跟01背包是完全相反的，因为它要受到前面影响，所以才重小到大进行循环，这样才能让先循环的dp数组对后续的操作进行预先运算。