本文介绍了动态规划（DP）的概念，通过背包问题举例说明DP如何解决问题。DP是一种将大问题分解为小问题并保证找到最优解的方法。文章详细阐述了如何建立DP表格，通过填充表格求解背包问题的最大价值，并讨论了如何从表格中恢复最优选择。最后，讨论了DP在处理背包问题时的时间复杂度，指出当背包容量k较大时，DP效率会降低。
Dynamic Programming
动态规划（DP）初探
DP的思想是：将一个大问题的求解转化为一些更小问题的求解。我们假设对于一个更小的问题已经有了最优解答，在此基础上我们build up the bigger problems。这种分而治之的思想非常像递归，但是递归通常会招致不必要的算力消耗，因此 DP使用了 bottom up的方法，有效地节省了算力。
DP guarantees to find the best solution
(Basic principles: 1. Divide and Conquer; 2. Bottom Up computation)
当我们谈起DP，其实可以预设一个很大的 table，我们要做的事情其实就是填表。
Take knapsack as an example
这里还是以 knapsack problem为例，假设问题如下：
给定一个 Capacity为 k的 knapsack，给定一组物品并用 1,2,…,n标记，物品i的价值为 v i v_i vi，重量为 w i w_i wi. $ I = {1,2,…,n }$.
希望找到一个最优选择，使得在 knapsack可以装下的情况下，拿走物品的总价值最大。
我们可以建模如下：
max ∑ i ∈ I v i x i s . t . ∑ i ∈ I v i x i ≤ k x i ∈ { 0 , 1 } , i ∈ I \max \sum_{i\in I}v_i x_i\\ s.t. \sum_{i\in I}v_i x_i \le k \\ x_i \in \{0,1\}, i\in I maxi∈I∑vixis.t.i∈I∑
最低0.47元/天 解锁文章
464
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
