c++ 多重背包状态转移方程_01背包问题

最近在刷Coursera的算法课编程作业，发现两年不碰coding实在是忘得差不多了。做到dp题不得不翻翻书了，发现原来动态规划的基础就没怎么打好，打算写一些dp的题解。本文主要介绍简单的动态规划问题，用于笔者自己整理思路。

从01背包开始：

用一定的总重量，装最贵的物品。因为每个物品只有装与不装两种策略，故称0/1背包。上题中，单个物品的质量和价值相等（因为是金条，很合理）。

考虑一个朴素的深搜算法，复杂度是O(

)

void 

穷举每个物品放与不放的情况，用当前重量剪枝，最后会形成一棵二叉树。非常地朴素，当然也非常地慢。

反过来考虑的话，用递推，对最后一个物品拿不拿进行分类。可以得到以下的递推式：

这方便我们写出一个递归算法：

int 

这个算法是逆推的，和dfs一样也是指数复杂度。

由这个递推方程，或者现在应该叫状态转移方程了，不难看出，“考虑第i个元素和余下wei重量时”的最优解只需知道“考虑第i-1个元素和余下wei重量时”和“考虑第i-1个元素和余下wei-w[i]重量时”的最优解。从动态规划的原理上来讲，这满足最优化原理（最优子结构）和无后效性。从算法实现的角度，它给了我们一个遍历数组的顺序。

先开一个二维数组dp[i][wei]，那么根据状态转移方程，任何一个位置的值都可以由它上方和左上方位置的值确定，并且这个过程是递归的。

那么我们自然确定，以先从左往右，再从上往下的顺序遍历数组。

再预处理一下边界条件

就可以愉快地dp啦

for

什么？两层循环？这也太好写了吧。比前面搜索，递归不知道高到哪里去了。最重要的是只要

的时间复杂度！这样本题就能过啦。

但是呢，聪明的小伙伴已经发现啦，本题调用了一个二维数组，用了

的空间复杂度。但是dp过程中事实上只需要用上一行的数据，准确来说是上一行的左半部分。那么自然可以用滚动数组优化一下，把空间复杂度降到线性，这里就不写啦。

总结，动态规划算法本质在于寻找合法的状态转移方程，这一步往往是困难的。带什么参数dp？如何构造良好的遍历顺序？从个人经验来看，从深搜或者递归向动态规划优化可能是一种比较自然的方法。