算法 动态规划(DP) 白话解释朴素01背包问题

先放题目（应该是洛谷里的样例题目吧，侵删~ ）
洛谷-P1048 采药

这个范例emmmm 我们重新编个范例输入，为了方便思考，我们先直接考虑花费时间和价值相等时的情况，也就是拿了多少价值就花掉多少时间

22 5
1 1
5 5
6 6
9 9
20 20

尝试拆解成子问题

比如对于第5个数20，我们只可能进行两个操作：拿，或者不拿

---

如果选择拿的话，问题就变成这样：
在时间2内，拿走下面的哪几个数，才使拿走的数的总和尽量更大？

编号	1	2	3	4
数	1	5	6	9

这个子问题解决后（等下会将怎么解决这个子问题的），得出来的总和加上这一波的20，就是选择拿的答案。

这里子问题相比原问题有两个改变：

1. 因为我们拿了20，也就花了20时间，时间就从原本的22变成了2
2. 因为我们的第5个数已经拿走了，所以现在只用考虑前4个数了

---

如果选择不拿的话，问题就变成这样：
在时间22内，拿走下面的哪几个数，才使拿走的数的总和尽量更大？

编号	1	2	3	4
数	1	5	6	9

这个子问题解决后（这个子问题跟上面的差不多，就时间不一样，等下也会来解决掉的），得出来的答案就是选择不拿的答案。（都不拿了肯定当然就不加20了，相应的，这个子问题的时间也没有减20）

---

于是可以发现，无论这里的20选择拿还是不拿，问题都能变成一个关于前4个数的子问题，只是限制的时间不太一样

最后通过解决这个子问题，得到最终选择拿的答案（拿的子问题总和加上这波拿的20）和不拿的答案（不拿的子问题总和），比较这两个答案谁更大，就能得到这一波该选择拿还是不拿

我们希望通过关于前4个数的子问题来决定第5个数是拿还是不拿，但子问题中，限制的时间是由第5个数字拿不拿决定的。。。。于是喜闻乐见地套娃了

---

所以我们把关于前4个数的子问题变成这样：
在时间 t (t ∈ [1, n], n = 22) 内，拿走下面的哪几个数，才使拿走的数的总和尽量更大？

编号	1	2	3	4
数	1	5	6	9

这里t是变量，范围是1到22（22是范例里给的时间来着，无论咋样t最多肯定只有22了，也就是全部选不拿的情况），也就是把时间为1到22时都求一遍，这样第5个数无论是多少，都能取到拿或者不拿的结果（比如第5个数是范例中的20，那么对于拿的子问题，就有t=22-20=2，对于不拿的子问题，就有t=22，和上面推出来的一样，然后无论是2还是22都在t的范围内，也就都已经算好值等着拿了），也就是说，解出了这个前4个数的子问题的解，就必能解出前5个数的问题的解

---

同理的，对于前4个数的问题，也可以换成前3个数的子问题；前3个数的问题，也可以换成前2个数的子问题······最后，换成了前1个数的子问题，那就能直接算了（t 小于这个数时不够时间必取不了，总和就是0，t 不小于这个数时就只取这个数，因为只有一个数不取也没别的了，总和就等于这个数）

这时候我们求出了前1个数的问题的解，就能推前2个数的问题的解······最后，我们就能推出前5个问题的解，然后AC !

---

最后引用大佬解释的两个概念和判断一个问题能否使用DP解决

【无后效性】　　
一旦f(n)确定，“我们如何凑出f(n)”就再也用不着了。　　
要求出f(15)，只需要知道f(14),f(10),f(4)的值，而f(14),f(10),f(4)是如何算出来的，对之后的问题没有影响。　　
“未来与过去无关”，这就是无后效性。　
（严格定义：如果给定某一阶段的状态，则在这一阶段以后过程的发展不受这阶段以前各段状态的影响。）

【最优子结构】　　
回顾我们对f(n)的定义：我们记“凑出n所需的最少钞票数量”为f(n).　　
f(n)的定义就已经蕴含了“最优”。利用w=14,10,4的最优解，我们即可算出w=15的最优解。　　
大问题的最优解可以由小问题的最优解推出，这个性质叫做“最优子结构性质”。

引入这两个概念之后，我们如何判断一个问题能否使用DP解决呢？　　
能将大问题拆成几个小问题，且满足无后效性、最优子结构性质。

作者：阮行止
链接：https://www.zhihu.com/question/23995189/answer/613096905

最后附上递推代码

#include <cstdio>
#include <algorithm>

using namespace std;

int main(int argc, char const *argv[])
{
    int t, m, times[128], values[128], bags[1024] = { 0 };
    int i, j, k;
    scanf("%d%d", &t, &m);
    for (i = 0; i < m; i++)
    {
        scanf("%d%d", &times[i], &values[i]);
    }
    for (i = 0; i < m; i++)
    {
        // 这里循环时要从后往前，每一次都要用上一轮的结果
        // 如果从前往后用的时候就变成这一轮的结果了
        for (j = t; j >= times[i]; j--)
        {
            // 这一轮的结果等于选择不拿（bags[j]）或者选择拿（values[i] + bags[j - times[i]]）
            // 各得到的结果的最大值
            bags[j] = max(bags[j], values[i] + bags[j - times[i]]);
        }
    }
    printf("%d", bags[t]);
    return 0;
}

抛砖引玉，大牛绕道~
如有错误，烦请指出~

参考文章

1. 知乎：什么是动态规划（Dynamic Programming）？动态规划的意义是什么？——阮行止的回答
2. 知乎：什么是动态规划（Dynamic Programming）？动态规划的意义是什么？——王勐的回答
3. 知乎：0-1背包问题的动态规划算法 ——Bat特白
4. 入坑题 洛谷：P2392 kkksc03考前临时抱佛脚