算法八——动态规划

1 0-1背包问题

背包能够承受的总重量一定w，每个物品的总量不同int[] weight表示。怎么放才能让背包中物品的总重量最大。

每次决定一种物品，每一层能够达到的状态 state[][]

第0个物品的重量是2，要么装入背包，要么不装入背包，决策之后会对应背包中的两种状态，背包中的总总量是0或者2.我们用state[0][0]=true，state[0][2]=true来表示这两种状态。

第1个物品的重量是2，要么装入背包，要么不装入背包，决策之后对应的背包状态：
0+0=0
0+2=2
2+2=4
这是基于上一步背包的状态计算得到的
我们用state[1][0]=true state[1][2]=true state[1][4]=true 来表示。

以此类推，一直到第n-1个物品。找到state[n-1] 的 数组中找到最大的state[n-1][j]=true，返回j。

2 判断一个问题是否可以用动态规划

1 是否符合一个模型？
从(0,0)走到(n-1,n-1)，总共要走2*(n-1)步，也就对应着2*(n-1)个阶段。每个阶段都有向下走或者向右走两种策略，并且每个阶段都会对应一个状态集合。
我们把状态定义为min_dist(i,j)，其中i表示行，j表示列，min_dist表达式的值表示从(0,0)到(i,j)的最短路径长度。
所以这个问题是一个多阶段决策最优解问题，符合动态规划的模型。

2 重复子问题？
这个问题可以用回溯法解决。从（0，0）到当前位置，有多种路线，也就说明问题存在重复子问题。

3 无后效性？
我们仅仅允许往下和往右移动，不允许后退，所以前面阶段的状态确定之后，不会被后面阶段的决策所改变，所以这个问题符合无后效性。

4 最优子结构
根据题目要求的走法，要想到达(i,j)，必须通过(i-1,j)或者(i-,j-1)这两个节点到达。也就是说min_dist(i,j) 可以通过min_dist(i, j-1) 和 min_dist(i-1,j)推导出来。
这说明，这个问题符合最优子结构。

3 动态规划解决方法

3.1 状态转移表法

3.2 状态转移方程法