动态规划入门（01背包问题）

动态规划（Dynamic Programming, DP）是一种常用的算法设计技巧，主要用于解决具有重叠子问题和最优子结构性质的问题。

博主自我理解：这是以空间换时间的算法，从（0个物品，背包容量为0，）最少的情况来逐步（物品数量++，背包容量++）计算出当前情况下的最优解（也可说是最大价值）。

这里从B站找了一张图（如有侵权，告知就删，可以去B站找此视频，讲的不错）

那配合代码讲解（Java）

问题背景：给定 n 个物品，每个物品有一个重量和一个价值。还有一个最大承重的背包容量 W。要求在不超过背包容量的情况下，选择物品，使得背包中的总价值最大。

public int knapsack01(int[] weights, int[] values, int W) {
    int n = weights.length;
    int[][] dp = new int[n + 1][W + 1];

    for (int i = 1; i <= n; i++) {
        for (int j = 0; j <= W; j++) {
            if (weights[i - 1] <= j) {
                dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
            } else {
                dp[i][j] = dp[i - 1][j];
            }
        }
    }
    return dp[n][W]; // 返回最大价值
}

• weights[]: 每个物品的重量
• values[]: 每个物品的价值
• W: 背包的最大容量

• 使用二维数组 dp[i][j] 表示前 i 个物品放入容量为 j 的背包中能得到的最大价值。

这里对应着图片应该先初始化

• dp[0][j] = 0 (当没有物品时，最大价值为0)
• dp[i][0] = 0 (当背包容量为0时，最大价值也为0)

但因为使用语言是Java，当使用new 时就自动全体赋值为零了，就省去了。

这里首先说个前提：weight[]，values[]是从0开始对每个物品计数的，而dp[][]二维数组可以理解为是从1开始计数的（后面有一个点要说）。

对于双层for循环中if-else语句中的语句可以成为状态转移方程，

if (weights[i - 1] <= j) {
                dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
            } else {
                dp[i][j] = dp[i - 1][j];
            }

我认为就这块核心，但难懂。

首先就是判断条件，当前物品的中重量与背包的当前重量相比，能不能装进去，如果不能，就把本列上一行的最大价值copy下来，如果能，

分情况：  1，没有当前行的物品，

                2，选择当前第i个物品后，加上剩余容量能存放物品的最大价值。

从两者中用max函数取最大值，

Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
//这里dp[i - 1][j]就是本列上一行的最大价值，

//对dp[i - 1][j - weights[i - 1]] + values[i - 1]，细说如下：

//dp[i - 1][j - weights[i - 1]] ：是选择第i个物品之后，剩余容量所有的最大价值。

//+ values[i - 1] ：是加上当前物品的价值，

//可能会疑惑为什么是i-1个，这里就要说我刚才提的前提：
// weight，values是从0开始计数的，而dp可以说是从1开始计数的，

到这里，自己动手写写，另外，不懂得话再看3-5遍。

当然，你有好的见解，批评，也可以发到评论区说明，