很抱歉，我无法从各种资源中找到答案。
在背包算法中，我们构造一个表格，例如在https://www.geeksforgeeks.org/0-1-knapsack-problem-dp-10/
中我已经在克莱因伯格的书中读到了背包问题。根据我的理解，动态编程是将问题分解为重叠的子问题-但是，我已经在许多书籍/在线资源中看到了此表用于解决背包问题。我似乎无法将这张表与动态编程联系起来吗？我们要记住这张表中的任何内容吗？在我看来，这是解决背包的一个明智的解决方案，但不是动态编程的解决方案。我看过视频和文本，它们通过使用表或使用动态编程解决方案来解决问题，但是似乎没有人提供两者之间的链接。
答案 0 :(得分：1)
它仍然是动态编程。唯一的区别是，动态编程算法在n中仍然不是多项式，而在n和W中都是。对于这些类型的问题，您必须区分由于输入而自然产生的值和作为输入的一部分的值。
您输入的内容由n个不同的项目和数字W组成； W是显式的，并不暗示输入的大小。因为我们使用某种有效的编码（即二进制）来提供W，所以W的大小在W的编码中为指数。也就是说，输入包含代表W的O（lg W）位，但是我们构建的表有W行（或列，以加深您的查看方式）。这使得算法在输入大小上呈指数级。
但是，如果我们放宽通常必须有效地表示输入的规则，则可以使用“一元”表示法指定W；输入中的W为1，而不是二进制表示形式。现在您可以断言，因为输入大小是n和W中的多项式，而不是像以前那样在n和lg W中，所以DP表也是输入。
这大致是强和弱NP硬度之间的区别：如果问题是弱NP硬度，则如果我们指定一些数值的一元编码，则可以找到多项式时间算法（通常基于动态编程）参数，而不是通常的二进制编码。