算法背包问题

背包问题是一类典型的优化问题，在计算机科学和运筹学中非常常见。它通常涉及在有限的容量（背包的容量）下，如何选择物品装入背包以使得某种指标（如总价值、总重量等）达到最优。

根据问题的不同设定，背包问题有多种变体，其中最常见的是0-1背包问题和完全背包问题。

0-1背包问题

在0-1背包问题中，给定一组物品，每种物品都有各自的重量和价值。在限定的背包容量下，我们需要选择物品装入背包，使得背包内物品的总价值最大，同时保证所选物品的总重量不超过背包的容量。每种物品只有一个，可以选择放入背包或不放入，因此称为0-1背包问题。

完全背包问题

与0-1背包问题不同，在完全背包问题中，每种物品可以有无限个。这意味着我们可以多次选择同一种物品放入背包，只要总重量不超过背包的容量。

解决方法

背包问题通常可以使用动态规划（Dynamic Programming, DP）来解决。动态规划是一种将问题分解为更小的子问题，并存储这些子问题的解以避免重复计算的技术。

对于0-1背包问题，我们可以定义一个二维数组dp[i][j]来表示前i个物品，总重量不超过j的情况下，能够获得的最大价值。然后，我们可以通过填充这个数组来找到最优解。

类似地，对于完全背包问题，我们也可以使用动态规划，但状态转移方程会有所不同，因为我们需要考虑物品可以被多次选择的情况。

实际应用

背包问题在实际生活中有很多应用，比如投资决策、装载问题、货币兑换等。通过解决背包问题，我们可以找到在有限资源下如何做出最优决策的策略。

在编程竞赛和算法挑战中，背包问题也是一个常见的主题，因为它不仅测试了算法知识，还测试了优化和问题解决的能力。

刷题

1.题目描述 金明今天很开心，家里购置的新房就要领钥匙了，新房里有一间他自己专用的 很宽敞的房间。更让他高兴的是，妈妈昨天对他说：“你的房间需要购买哪些物品，怎么布置，你说了算，只要不超过N元钱就行”。今天一早金明就开始做预算， 但是他想买的东西太多了，肯定会超过妈妈限定的N元。于是，他把每件物品规定了一个重要度，分为5等：用整数1~5表示，第5等最重要。他还从因特网上查 到了每件物品的价格（都是整数元）。他希望在不超过N元（可以等于N元）的前提下，使每件物品的价格与重要度的乘积的总和最大。 设第j件物品的价格为v[j]，重要度为w[j]，共选中了k件物品，编号依次为j1，j2，……，jk，则所求的总和为： v[j1]*w[j1]+v[j2]*w[j2]+ …+v[jk]*w[jk]。（其中*为乘号） 请你帮助金明设计一个满足要求的购物单。

输入 第1行，为两个正整数，用一个空格隔开： N m （其中N（<30000）表示总钱数，m（<25）为希望购买物品的个数。） 从第2行到第m+1行，第j行给出了编号为j-1的物品的基本数据，每行有2个非负整数 v p （其中v表示该物品的价格(v<=10000)，p表示该物品的重要度(1~5)）

输出 只有一个正整数，为不超过总钱数的物品的价格与重要度乘积的总和的最大值（<100000000）。

样例输入  1000 5 800 2 400 5 300 5 400 3 200 2

样例输出  3900

#include <iostream>  
#include <vector>  
#include <algorithm>  
  
using namespace std;  
  
int main() {  
    int N, m;  
    cin >> N >> m; // 输入总钱数和物品数量  
  
    vector<int> v(m); // 物品价格  
    vector<int> p(m); // 物品重要度  
    vector<int> dp(N + 1, 0); // 动态规划数组  
  
    // 输入物品的价格和重要度  
    for (int i = 0; i < m; ++i) {  
        cin >> v[i] >> p[i];  
    }  
  
    // 动态规划求解  
    for (int i = 0; i < m; ++i) {  
        for (int j = N; j >= v[i]; --j) {  
            dp[j] = max(dp[j], dp[j - v[i]] + v[i] * p[i]);  
        }  
    }  
  
    // 输出最大的总和  
    cout << dp[N] << endl;  
  
    return 0;  
}