数据结构——动态规划

最近开始学习王争老师的《数据结构与算法之美》，通过总结再加上自己的思考的形式记录这门课程，文章主要作为学习历程的记录。

动态规划适合用于求解最优问题，比如求最大值、最小值等。它可以显著地降低时间复杂度，提高执行效率。

0-1背包问题

对于一组不同重量、不可分割的物品，需要选择一些装入背包，在满足背包最大重量限制的前提下，背包中物品总重量的最大值为多少？

如果用回溯的办法，就是枚举所有可能的装法，然后找到满足条件的最大值。假设背包的最大承载重量是9，我们有5个不同的物品，每个物品的重量分别是2，2，4，6，3.将这个回溯求解过程用递归树表示：

递归树中每一个节点表示一种状态，用（i，cw）来表示，i表示将要决策第几个物品是否要装入背包，cw表示当前背包中物品的总重量。（2，2）表示要决策第2个物品是否装入背包，在决策前，背包总重量为2.

动态规划的做法是将整个求解过程分为n个阶段，每个阶段会决策一个物品是否放入背包中，每个物品决策完之后，背包中的物品的重量会有很多种情况，也就是说会达到多种不同状态，对应到递归树，就是很多节点。把每一层重复的状态（节点）合并，只记录不同的状态，然后基于上一层的状态集合，来推导下一层的状态集合。我们可以通过合并每一层重复的状态，这样就保证每一层不同状态的个数不超过w个，就是例子中的9.

用一个二维数组$states[n][w+1]$来记录每层可以达到的不同状态。第0个（下标从0开始编号）物品的重量为2，要么装入背包，要么不装入背包，决策完后会对应背包的两种状态，背包中物品总重量是0或2.用$states[0][0]=1$和$states[0][2]=1$来表示。

基于之前的背包状态与第1个物品的重量，决策完后会有三种不同的状态，总重量分别为0，2，4.用 s t a t e s [ 1 ] [ 0 ] = 1