动态规划之背包问题

动态规划

如果某一问题有很多重叠子问题，且中每一个状态一定是由上一个状态推导出来的，是用动态规划会最优。贪心只需要考虑局部最优即可。

基本步骤

1. 状态转移数组dp[i]内容和下标i的含义确定

2. 递推公式的划分和确定

ps: 前两步根据结果来确定dp存储的值/递推公式的形式，一般有最大值/最小值/总方案数三种情况，对应存储值或方案数，递推公式也对应max,min,累加形式。

3. 状态转移数组配合递推公式的初始化

4. 确定遍历下标的顺序

5. 举例推导（打印或模拟）dp数组

01背包

给定的值时物品价值，这里衍生问题最重要的是确定背包容量即bigSize, 然后0~bigSize每种体积都对应一种状态，这些状态都由前面的转移过来。这里有注意的点

1. 滚动数组的使用

一开始想到的dp二维数组dp[0…i][j]表示的是任选第i件物品时体积为j的背包存储的目标值。但把0~i-1看成i层的话，下一层的结果完全是由上一层的物品结果转化过来的，因此我们只用一维记录体积，让i不停在原基础上向下滚动即可。为节省空间统一采用滚动数组记录。

2. 初始化的方式

如果目标值是最大值或最小值：无为时为0；

如果目标值是方案数：无为时也算一种方案。

3. 遍历下标的顺序（主要是对每个体积的遍历顺序）

如果对于一个固定的物品，我们从小到大遍历更新dp值的话，那么只要满足背包容量限制，该物品都会被加进去，但由于每件物品只能使用一次，每次加进去不符题意，故从大到小遍历，此时当前层，比目前遍历到的体积小的背包状态还是上一层物品的目标值，尚未更新加入当前物品，从这种状态转移过来才正确。

4. 物品还是体积在外层循环

通过3的逻辑发现如果体积在外面，每个背包里只会放一个体积符合当前背包的最大价值物品，可以模拟一下。所以01背包只能是物品在外层循环，体积在内层循环

未完待续…