動態規劃演算法通常用於求解具有某種最優性質的問題。在這類問題中，可能會有許多可行解。每乙個解都對應於乙個值，我們希望找到具有最優值的解。動態規劃演算法與分治法類似，其基本思想也是將待求解問題分解成若干個子問題，先求解子問題，然後從這些子問題的解得到原問題的解。與分治法不同的是，適合於用動態規劃求解的問題，經分解得到子問題往往不是互相獨立的。若用分治法來解這類問題，則分解得到的子問題數目太多，有些子問題被重複計算了很多次。如果我們能夠儲存已解決的子問題的答案，而在需要時再找出已求得的答案，這樣就可以避免大量的重複計算，節省時間。我們可以用乙個表來記錄所有已解的子問題的答案。不管該子問題以後是否被用到，只要它被計算過，就將其結果填入表中。這就是動態規劃法的基本思路。具體的動態規劃演算法多種多樣，但它們具有相同的填**式。
與分治法最大的差別是：適合於用動態規劃法求解的問題，經分解後得到的子問題往往不是互相獨立的（即下乙個子階段的求解是建立在上乙個子階段的解的基礎上，進行進一步的求解）
01揹包問題
給定n種物品和一揹包。物品i的重量是wi，其價值為vi，揹包的容量為c。問應如何選擇裝入揹包的物品，使得裝入揹包中物品的總價值最大?
對於一種物品，要麼裝入揹包，要麼不裝。所以對於一種物品的裝入狀態可以取0和1.我們設物品i的裝入狀態為xi,xi∈ (0,1)，此問題稱為0-1揹包問題。
資料：物品個數n=5,物品重量w[6]=;物品價值v[6]=;揹包容量為c=20。
b(k,h) :k表示前k個物品，h表示現在剩下的揹包空間
b（2,20）表示偷0.1.2個物品時（不是說所有的都偷）揹包剩餘的空間容量為20，其b(2,20)的值表示所偷物品的價值。
b（k,h）的取值分兩種情況：
1、當第k個的重量超過剩餘空間時，b（k,h）=b(k-1,h)
2、當第k個的重量不超過剩餘空間時，有兩種情況：
(1)選擇偷入揹包中：b（k,h）=b(k-1,h-wk)+vk
(2)選擇不偷入揹包中：b（k,h）=b(k-1,h)。
**為：
#include #include #define n 6#define m 21
int b[n][m]=;
int w[6]=;
int v[6]=;
void knapsack()
else
else}}}
int main()
動態規劃揹包問題 01揹包
問題描述 n種物品，每種乙個。第i種物品的體積為vi，重量為wi。選一些物品裝到容量為c的揹包，使得揹包內物品不超過c的前提下，重量最大。問題分析 宣告乙個f n c 的陣列。f i j 表示把前i件物品都裝到容量為j的揹包所獲得的最大重量。當 j v i 時，揹包容量不足以放下第 i 件物品，f ...
動態規劃 揹包問題 01揹包
有n種物品和乙個容量為v的揹包，每種物品僅用一次。第i件物品的費用是w i 價值是v i 求解將哪些物品裝入揹包可使價值總和最大。例如 n 5,v 10 重量 價值 第乙個物品 10 5 第二個物品 1 4 第三個物品 2 3 第四個物品 3 2 第五個物品 4 1 首先我們考慮貪心策略，選取最大價...
0 1揹包問題（動態規劃）
一 問題描述 有n件物品和乙個容量為v的揹包。第i件物品的費用是c i 價值是w i 求解將哪些物品裝入揹包可使價值總和最大。所謂01揹包，表示每乙個物品只有乙個，要麼裝入，要麼不裝入。二 解決方案 考慮使用動態規劃求解，定義乙個遞迴式 opt i v 表示前i個物品，在揹包容量大小為v的情況下，最...