8.4.1背包问题
将不同重量Wi和不同价值Vi的物品放进承重为j的背包中，再背包能装下重量的前提下，求所能装物品的最大价值。
根据动态规划表，可以看出来其时间、空间复杂度均为O(nW);
8.4.2记忆功能
记忆功能技术试图把自顶向下和自底向上方法的优势结合起来；
该方法用自顶向下的方式对给定的问题求解，但还需要维护一个类似自底向上动态规划算法使用的表格。
它只对必要的子问题求解并只解一次，并用表格记录下来；
这里还有些不是十分清晰，需要再次探讨研究学习！
第九章 贪婪技术
技术的核心是，所做的每一步选择都必须满足：
1）可行的：即它必须满足问题的约束；
2）局部最优：它是当前不周中所有可行选择中最佳的就不选择；
3）不可取消：即选择一旦做出，在算法的后面步骤中就无法改变了；
9.1Prim算法(构造最小生成树)
这个算法在数据结构中也有详细的介绍，且算法思想较简单，在这再简单介绍学习一下：
以第一个顶点出发，找与其相连的最小的边
(以已有连接的任一节点为出发点，找其距离最短的边相连，且不构成回路直到包含所有的点)
9.2 Kruskal算法
此算法同样在数据结构中具有详细讲解，在这里我们简单学习回顾一下：
作为同样计算最小生成树的算法，它不局限于以已经连接的点为出发点，而是对于所有的扁的权值进行简单非递减排序，
每次选择相对最小的边加入最小生成树(在添加的过程中保证不产生回路，如有则简单舍弃继续往下取边)，其仍然以最终的n-1个点为边界结束：
此算法基本思想理解起来比较简单，但具体实现细节有2点需要具体学习深化一下：
1）Find(x): 对于最新寻找到的最小边能否加入原最小集(即是否形成回路)：其判断方法是，分别寻找两颗子树的根元素，若为同一根则两者合并必形成回路；在这里还有一个优化措施即路径压缩法：在寻找最终根元素的过程中，令查找路径上的每个节点都直接指向其共同根元素，在以后再次寻找根元素的时候可以直接获得其根元素的值进行比较；
2）Union(int R1,int R2):对于两个不同集合合为同一集合，形成最终最小树：
这里合并的时候，具体那棵树合到那棵树(可以根据树高：矮树合到高树/点少的树合到点多的树)；确定之后，比如R1合到R2，则令R1的根再次指向R2并此时将R1的根置空(相当于删除此树)
9.3 Dijkstra算法(求单源最短路径问题：即一个点到其余各点的最短路径)
此算法同样在数据结构中具有详细介绍，且其核心思想比较简单易懂：以当前含有的已连接的任一点考虑，找到优先级最低(即总和距离最短的点)的元素以此为中心向未连接的点扩展；这里用到了优先级队列(其总能保证头部元素最小)
背包问题，利用贪心算法可以得到价值最高的、性价比最高的(价值/质量)等等各个特定方面的解法；
贪心每一步都是基于上一步的结果，只考虑当前最优而不考虑全局，其效率更高但不保证最优；Dijstra综合考虑各个子问题一定可以得出最终最优结果；
贪心和动归不是互斥的，而是包含的，贪心更快，但约束更强，适应范围更小。
贪心属于动态规划的一个特定方向、特定问题解法，不一定最优但是在一定情况下速度却是非常快的；
因而综合两种算法的优缺点便得到了相对最优的A*算法（在之后文章我会专门介绍）