背包问题—深入理解原理

背包问题是dp的模型化，是dp中的经典问题，很多dp都有背包的影子在。就算一些cf2000分的题目也有背包问题优化的精髓。

Problem - 1716D - Codeforces

D. Chip Move（DP，优化时间和空间）_小酒窝.的博客-CSDN博客

挂个好题目，就是那个cf2000分的，让我重新巩固了一下背包

以前我只是会默写背包极致优化之后的板子，对背包的原理只有一个模糊的影响。以至于遇到不太板子的题目就不会灵活运用背包问题的精髓求解了。

现在我又重新学习了一下背包问题，悟到了一些以前没察觉到的好东西，所以写博客来分享巩固。

另外，我感觉做类背包的dp一定要细致，把整个二维模型建出来是个好方法(打个表)。

一览无余的图解

虚线表示不取第i件物品，实现表示取第i件物品

完全背包和01背包的本质差别就在于取物品一个是从上一层状态转移，一个是从本层状态转移。

滚动数组优化后还是一样。

一些碎碎概念

01背包

转移方程

这是个纯粹的背包题目。

dp转移已经背的滚瓜烂熟了。但还是有些好东西。

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

这是一个两重循环下的转移式子。

精髓就是：第i个物品放入和不放入能不能达到更好的结果,这是取max的原因，因为要判断的放入的地方可不止一个。这是一种靠前面处理过的东西推到后面的思想

滚动数组

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

其实背包对空间的浪费是很大的，可以感觉出来能进行优化。

为什么要倒序？

因为倒序才能保证每个元素取一个，否则就是完全背包了。

完全背包

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

注意这个转移式子和01背包有区别的，是从i-1转移过来的，也就是从已经处理好的下一层中转移过来的。

滚动数组同理，但是是正序处理的。