动态规划-背包问题小结

1. 对于背包问题的动态转移方程:

当前容量下装满背包有几种方法: dp[j] += dp[j-nums[i]]

当前容量下能否装满或者最多能装多少: dp[j] = max(dp[j], dp[j-nums[i]]+nums[i])

当前容量下装满的最大价值:dp[j] = max(dp[j], dp[j-weights[i]]+values[i]

当前容量下装满所用物品的最小个数:dp[j] = min(dp[j], dp[j-nums[i]]+1

2. 对于背包问题的初始化设置:

如果是装满背包有多少种方法: 全局初始化为0， dp[0]=1， 啥也不能装也算一种方法

如果是否装满或者最多能装多少: 全局初始化为0， dp[0] = 0， 0容量的背包不能装物品

如果是装满的最大价值: 全局初始化为0， dp[0] = 0, 0容量背包不能装物品

如果是装满所用物品的最小个数: 全局初始化为float("intf"), dp[0]=0， 0容量没法装

3. 对于背包问题的遍历顺序:

1) 0-1背包问题:

正向遍历物品， 逆向遍历背包容量， 且必须先遍历物品，后遍历背包容量

2) 完全背包问题: 正向遍历物品，正向遍历背包容量

3) 如果不是求装满背包有几种方法的累加题目， 这时候，先遍历物品或者先遍历背包容量都可， 我喜欢前一种

4) 如果是涉及到求装满背包有几种方法的累加题目，分情况:

求组合数， 也就是同一批物品，不管顺序关系: 先遍历物品，然后遍历背包容量

求排列数， 也就是同一批物品，管顺序关系: 先遍历背包容量，后遍历物品