贪心，动态，背包

贪心算法

  在对问题求解时，总是做出在当前看来是最好的选择。
  局部最优能推出全局最优

解题思路

   1. 建立数学模型来描述问题
   2. 把需要求解的问题分成若干个子问题
   3. 对于每个子问题求解，得到子问题的局部最优解
   4. 把子问题的局部最优解合成原来解问题的一个解

贪心的选择

最优子结构

动态规划

  将一个问题拆成一个个子问题，直到子问题可以直接解决。然后把子问题答案保存起来，以减少重复计算。再根据子问题答案反推，得出原问题解的一种方法。
  拆分子问题，记住过往，减少重复计算。
  解决重叠子问题：备忘录

最长上升子序列

  简称LIS
  一个最长的、从小到大排序的子序列。最长上升子序列不一定是唯一的

最长公共子序列

  简称LCS

背包

  背包问题是一类经典的动态规划问题；

01背包

  最基础的背包问题

给定一个容量为 V 的背包和 n 种不同的物品，每种物品有一个权值和一个体积。要求在不超过背包容量的前提下，选择一些物品，使得这些物品的总价值最大。

  问题特点：每种物品仅有一件，可以选择放或不放
  动态转移方程：dp[i][j] 表示前 i 件物品放入一个容量为 j 的背包中可以获得的最大价值

空间	价值	背包容量	0	1	2	3	4	5
2	4	0个物品	0	0	0	0	0	0
2	5	1个物品	0	0	4	4	4	4
1	2	2个物品	0	0	5	5	9	9
3	8	3个物品	0	2	5	7	9	11
		4个物品	0	2	5	8	10	13

j<w[i] dp[i][j]=dp[i-1][j]
j>=w[i] dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])

优化

  降低01背包的空间复杂度

j>=w[i] dp[j]=max(dp[j],dp[j-w[i]]+v[i])

完全背包

  完全背包是与 01 背包类似，但不同之处在于每个物品可以重复选择，即可以选择多次。

给定一个容量为 V 的背包和 n 种不同的物品，每种物品有一个权值和一个体积。要求在不超过背包容量的前提下，选择一些物品，使得这些物品的总价值最大。

多重背包

  多重背包是与完全背包类似，但不同之处在于每个物品有选择次数。

给定一个容量为 V 的背包和 n 种不同的物品，每种物品有一个权值和一个体积。要求在不超过背包容量的前提下，选择一些物品，使得这些物品的总价值最大。