算法-动态规划-背包01、最小矩阵路径等

一、背包01
已知一个背包最多能容纳物体的体积为V
现有n个物品第i个物品的体积为vi​ 第i个物品的重量为wi​
求当前背包最多能装多大重量的物品
输入
10,2,[[1,3],[10,4]]
输出
4

说明
第一个物品的体积为1，重量为3，第二个物品的体积为10，重量为4。只取第二个物品可以达到最优方案，取物重量为4
思路核心：
1、转移变量为商品和体积，值是最大重量
2、d[i][j] 表示 经过挑选i轮商品在j体积下最大值，此时并不一定只有i商品
3、转移方程为 case1:如果体积不够这一次的商品，则等于上一次的最佳方案 d[i][j]=d[i-1][j]
4、case2:如果体积够这一次的商品，则等于上一轮时让出这次商品的体积最佳值d[i-1][j-vw[i-1][0]]+这次的值vw[i-1][1]

# 计算01背包问题的结果
# @param V int整型 背包的体积
# @param n int整型 物品的个数
# @param vw int整型二维数组 第一维度为n,第二维度为2的二维数组,vw[i][0],vw[i][1]分别描述i+1个物品的vi,wi
# @return int整型
#
class Solution:
    def knapsack(self , V , n , vw ):
        # write code here
        dp = [[0 for _ in range(V+1)] for _ in range(n+1)]
        dp[0][0] = 0
        #vw.insert(0,[0,0])
        for i in range(1, n+1):
            for j in range(V+1):
                if vw[i-1][0]>j: #体积装不下时选择上一个
                    dp[i][j] = dp[i-1][j]
                else: #判断同体积时不放入的值 和 假设放入该物品刚好体积满足时的重量
                    dp[i][j] = max(dp[i-1][j],dp[i-1][j-vw[i-1][0]]+vw[i-1][1])
        return dp[n][V]

二、矩阵的最小路径和
给定一个 n * m 的矩阵 a，从左上角开始每次只能向右或者向下走，最后到达右下角的位置，路径上所有的数字累加起来就是路径和，输出所有的路径中最小的路径和。
输入:[[1,3,1],
[1,5,1],
[4,2,1]]
输出: 7
解释: 因为路径 1→3→1→1→1 的总和最小。

先看动态方程：
i值 j值 dp方程
i>0 j=0 dp[i][0] = dp[i−1][0] + grid[i][0]
i=0 j>0 dp[0][j] = dp[0][j−1] + grid[0][j]
i>0 j>0 dp[i][j] = min(dp[i−1][j], dp[i][j−1]) + grid[i][j]

class Solution:
    def minPathSum(self , matrix ):
        # write code here
        if not matrix:
            return 0
        n = len(matrix)
        m = len(matrix[0])
        dp = [[0 for j in range(m)] for i in range(n)]
        dp[0][0] = matrix[0][0]
        for i in range(1, n):
            dp[i][0] = dp[i-1][0] + matrix[i][0]
        for j in range(1, m):
            dp[0][j] = dp[0][j-1] + matrix[0][j]
        for i in range(1, n):
            for j in range(1, m):
                dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + matrix[i][j]
        return dp[n-1][m-1]