动态规划

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，