动态规划-滚动数组

        上一次我们分享了动态规划-背包问题的解题方法，最后我们提出了一个疑问，就是如何降低我们的空间复杂度呢？

        用滚动数组可以大大减少使用空间。它能把二维状态方程O(n^2)的空间复杂度优化到一维的O(n)，更高维的数组也可以优化后减少一维。

        从上节介绍过的dp转移方程我们不难发现，dp[i][] 只与dp[i-1][] 有关，和前面无关，那些用过的已经多余了，那么干脆就服用这些空间，用新的一行覆盖已经无用的一行（滚动），只需要两行就够了。

        滚动数组分为两种：交替滚动和自我滚动

1. 交替滚动

        我们用now始终指向正在计算的最新一行，old指向已经算过的旧的一行，对照原递推代码，now相当于i，old相当于i-1。

const int N = 1005;
int dp[N][N],w[N],c[N];

int solve(int n,int C){
    int now=0,old=1;
    for(int i=1;i<=n;i++){
        swap(old,now);
        for(int j=1;j<=C;j++){
            if(c[i]>j) dp[now]=dp[old][j];
            else dp[now][j]=max(dp[old][j],dp[old][j-c[i]]+w[i]);
        }
    }
    return dp[now][C];
}

        这里需要我们注意的是，j循环反过来（C~0）也是可以的，但是在下面的自我滚动中，j循环必须是C~0。

2.自我滚动

const int N = 1005;
int dp[N], w[N], c[N];

int solve(int n, int C) {
	for(int i=1;i<=n;i++){
		for(int j=C;j>=c[i];j--){
			dp[j]=max(dp[j],dp[j-c[i]]+w[i]);
		}
	}
	return dp[C];
}

        可以思考以下问什么自我滚动的j循环就必须从C~0？

答：错误的产生是动数组重复使用同一个空间引起的。什么意思呢？加入我们现在要将物品放到我们的dp[5]的这个背包中（假设这个物品放进去合适），那么我就就会对dp[5]进行更新，就设为dp[5]' 吧。现在我们又要将一个价值为3的物品放入我们的dp[8]的这个背包中，那么我们从动态规划方程中不难看出（dp[j]=max(dp[j],dp[j-c[i]]+w[i]);），dp需要用容积是5的背包的相关信息，那么值得我们思考的是，这里用到的信息是dp[5]' ,而不是dp[5],而我们真正需要用到的却是dp[5]，这就导致了错误答案。