重拾C++之菜鸟刷算法第16篇 --- 动态规划（总结篇）

本文链接：https://blog.csdn.net/fangqi100/article/details/137132323

本文详细介绍了动态规划在01背包问题、完全背包问题以及相关LeetCode题目（如416分割等和子集、1049最后一块石头的重量II等）中的应用，包括dp数组的确定、递推公式、初始化和遍历顺序的讲解。

摘要由CSDN通过智能技术生成

动态规划

有n件物品和一个最多可以背重量为w的背包。第i件物品的重量是weight[i]，得到的价值是value[i]，所有物品只能使用一次。

滚动数组解法

首先确定dp数组含义：dp[j] 表示容量为 j 的背包能背的最大价值是 dp[j]
确定递推公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])

只有两种情况
- 第一种是当物品i的重量大于背包j的重量，物品i无法放入背包，因此背包的价值依然和前面相同
- 第二种是因为dp[j - weight[i]]表示 j - weight[i] 重量的时候，此时最大的价值，那么dp[j - weight[i]] + value[i] 表示此时的背包放入物品i得到的最大价值
初始化：背包容量为0的话，其价值也为0，因此dp[i] = 0
遍历顺序：先遍历物品数量，再从背包容量倒序遍历，防止物品重复使用
举例说明dp数组

与01背包唯一不同的地方是，每种物品有无限件

首先确定dp数组含义：dp[j] 表示容量为 j 的背包能背的最大价值是 dp[j]
确定递推公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])

只有两种情况
- 第一种是当物品i的重量大于背包j的重量，物品i无法放入背包，因此背包的价值依然和前面相同
- 第二种是因为dp[j - weight[i]]表示 j - weight[i] 重量的时候，此时最大的价值，那么dp[j - weight[i]] + value[i] 表示此时的背包放入物品i得到的最大价值
初始化：背包容量为0的话，其价值也为0，因此dp[i] = 0
遍历顺序：先遍历物品数量，再从小到大遍历背包容量（i那位完全背包的物品是可以添加多次的）
举例说明dp数组