动态规划 0 1背包问题 python实现_总结——01背包问题 （动态规划算法）

1、动态规划(DP)

动态规划(Dynamic Programming，DP)与分治区别在于划分的子问题是有重叠的，解过程中对于重叠的部分只要求解一次，记录下结果，其他子问题直接使用即可，减少了重复计算过程。

另外，DP在求解一个问题最优解的时候，不是固定的计算合并某些子问题的解，而是根据各子问题的解的情况选择其中最优的。

动态规划求解具有以下的性质：

最优子结构性质、子问题重叠性质

最优子结构性质：最优解包含了其子问题的最优解，不是合并所有子问题的解，而是找最优的一条解线路，选择部分子最优解来达到最终的最优解。

子问题重叠性质：先计算子问题的解，再由子问题的解去构造问题的解(由于子问题存在重叠，把子问题解记录下来为下一步使用，这样就直接可以从备忘录中读取)。其中备忘录中先记录初始状态。

2、求解思路

①、将原问题分解为子问题(子问题和原问题形式相同，且子问题解求出就会被保存)；

②、确定状态：01背包中一个状态就是个物体中第个是否放入体积为背包中；

③、确定一些初始状态(边界状态)的值；

④、确定状态转移方程，如何从一个或多个已知状态求出另一个未知状态的值。(递推型)

3、01背包问题求解思路

①、确认子问题和状态

01背包问题需要求解的就是，为了体积V的背包中物体总价值最大化，件物品中第件应该放入背包中吗？(其中每个物品最多只能放一件)

为此，我们定义一个二维数组，其中每个元素代表一个状态，即前个物体中若干个放入体积为背包中最大价