0-1背包问题需要考虑优化条件,与找零钱类似,只是临界条件不同
找零钱需要考虑优化的条件(即当手中的面值要比零钱少,即达到要求),才能进行下一步决策;
走方格问题无需条件,直接进入下一步决策;
1.0-1背包
标箭头的地方之所以用的是 i-1是因为它是从下标为1的地方开始循环的,所以i-1是当前的,而i则是下一步要到的下标。
状态转移方程:dp(i,j) = Max(dp(i-1,j), dp(i-1,j-w[i-1])+val[i-1])
*注: dp(i-1,j) 赋给-----》 dp(i,j) 即不拿第i件物品
* dp(i-1,j-w[i-1])+val[i-1] 赋给-----》 dp(i,j) 即拿第i件物品
请参考这篇博客:https://blog.csdn.net/likunkun__/article/details/80223003
2.二维背包装两包:
动态方程+1是因为最后求得是 种类数,所以+1而不是+values[i];
下面是必须装满的情况:
2.走方格问题(求步数)
先把(从原点)一直往右走的步数写到第一行,再把(从原点)一直向下走的步数写到第一列(作为后面的铺垫,有这一行一列就够了,后面所有的步数都可以以这个为基础计算得到),每下一步都是以上一步的结果来决定的(上面那步和左边那步两个数中的最小值+自己这步的数值)
3.有障碍的走方格问题(求方法数)
和走方格问题是类似的(这题是算路线的数目,基线上都是1(和找零钱一样了),原来是障碍点就是0),只是在基线上如果有障碍点的话就要回退到上一步,