动态规划，0-1背包问题
相当于一个滚动数组的处理
for i=1..n bound=max{V-sum{w} for v=V..bound
f}
现在我们处理好了
f
现在处理f时...
我们发现f已经没用了
可是还站着内存..所以只需要一维..在状态转移时滚动就行了
而f有关
滚动就像
f有关
而如果bound...V去循环
会提早改了某个j-w
所以要V...bound去循环
sum;
for（int i=N-1;i》=1;i--）
sum;//预处理得到sum数组
for（int i=1;i《=N;i++）
{
low=（（V-sum;
for（int j=V;j》=low;j--）
f）;
}
分析用动态规划和贪心算法求解背包问题的差异
动态规划本质是以空间换时间，算出了所有可行解的值域。
而贪心算法，每次选则最优的，而结果未必最优。
举个简单例子。
背包能装8kg,有3个物品，分别为3kg,4kg,5kg
动态规划，是计算，3+4， 3+5，得出解，最大的是3+5=8kg
贪心算法，是选择，第一次选最大的：5kg《8kg，第二次选则剩下的最大的4kg，4+5》8,故而解为5kg。
动态规划背包问题与贪心算法哪个更优
首先，这两种算法用于解决不同类型的背包问题，并且没有更好的问题。当可以分配背包项目时，使用贪婪的算法，并且可以使用该项目的单位音量的值。从大到小。当背包项目不可分割时（因为它是密不可分的，即使该项目的单位体积的值不一定是最好的，也不一定是最佳解决方案。）此时，它是使用贪婪是不正确的，应使用动态计划。-动态规划背包问题
