python典型例题_经典动态规划例题整理（Python版）

由于本人的算法基础较为薄弱，所以在这里整理一下自己的做过的题，使自己能够随时随地回顾温习。

然后，本篇文章将会持续更新自己遇到的一些比较经典动态规划的题目，大家如果对代码有任何问题，直接在文章下面评论即可。我看到后会立刻回复。

1.我对动态规划的理解

网上对动态规划的介绍的文章已经很多了，那这里我还是要谈一下自己的理解，希望能够给大家带来一些灵感。

我所理解的动态规划，就两个词：动态、规划。动态我自己理解为：一个问题可以拆分为若干个子问题，然后通过逐步递推，得到最终的结果。规划就是最优问题，整体的最优细分到每个递推环节的最优。

然后，解决动态规划问题，最重要的可以发现其中的状态转移方程，我理解的状态转移方程的意思就是：一个通用的方程，即任意中间一个状态能够由前面的状态所推导得到。比如下图的dp[i][j]状态，就可以由左上的3个状态推导得到。

很多动态规划的问题，具体解法大多都是通过一个二维数组来存储中间环节的最优解。最后求二维数组中的最大值或者最后一个值。还有一种情况就是：如果当前状态只跟前面的一个状态有关，那么二维数组是可以优化为一维数组的，这样空间复杂度就由O(n2)优化为O(n)了。

2.例题整理

2.1 经典01背包问题

题目描述：一个人去偷东西，他的背包容量最大为20kg，然后有重量、价值不等的物品，比如重量为2、价值为3的物品，每件物品只能拿一件，求小偷能偷到的物品最大的价值。

"""

物品重量与价值对应关系：

w v

2 3

3 4

5 8

9 10

背包容量：20

"""

import numpy as np

def func(pack, cap):

max_value_arr = np.zeros([len(pack)+1, cap+1])

# 第一列与第一排全为0，这样为后续能递推max_value_arr的值

max_value_arr[:,0] = 0

max_value_arr[0,:] = 0

# i代表pack物品的序号

for i in range(1, len(pack)+1):

# j代表包中