0-1背包问题（动态规划）

#include <iostream>
#include <cstring>
using namespace std;
 
 
const int N=15;
 
 
int main()
{
    int v[N]={0,8,10,6,3,7,2};
    int w[N]={0,4,6,2,2,5,1};
 
 
    int m[N][N];
    int n=6,c=12;
    memset(m,0,sizeof(m));
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=c;j++)
        {
            if(j>=w[i])
                m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
 
 
            else
                m[i][j]=m[i-1][j];
        }
    }
 
 
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=c;j++)
        {
            cout<<m[i][j]<<' ';
        }
        cout<<endl;
    }
 
 
    return 0;
}

问题描述：0-1背包问题，给定n种物品，和一个容量为C的背包，物品 i  的重量是W[ i ] ，价值为V[ i ] ，问：应该如何选择装入背包的物品，使得装入背包中物品的价值最大？

要求，对于每一个物品，我们只能选择拿与不拿，并不能装入物品的一部分，也不能装入多个同样的物品。

解题思路：在给定空间C的情况下选择 n 个物品中的某些物品，对于每一个物品只有拿与不拿。可以想象在选择第i个物品时可以拿，也可以不拿，如果拿了第i个物品，这时候的价值可以等价于   用C-w[i]的空间选择i-1个物品的价值 + v[ i ] 。 如果不拿，这时候的价值相当于利用C的空间选择i-1个物品的价值（注意，不拿的情况下空间大，最优解不一定小于拿的情况。）。因此，对于第i个物品的选择由前边的两种情况的最大值决定。（这中解题思路是一种逆向思维，是从后边往前走的。而在计算时是由前往后计算的）

建立模型：声明一个大小为m[ n ][ c ]的二维数组，m[i][j]表示，在面对第i件物品的选择时，利用j的空间选择前i件物品能得到的最大值。根据上边的分析很容易得到m[i][j]的计算方法。

（1）如果j < w [ i ] ,这时候背包容量不足以放下第 i 件物品，只能选择不拿，这时候对于m[i][j]的选择只能有 m[ i - 1 ][ j ]（在j空间中对前i-1个物品进行最优选择）所决定。

          m[ i ][ j ] = m[ i-1 ][ j ]

（2）如果j<w[i],这时候背包容量可以放下第i件物品，我们就要考虑放下这个物品能否创造最大价值，即第i件物品是否在最优解中，因此这时候我们就要比较

           m[ i - 1 ][ j ]  和  m[ i-1 ][ c - w[ i ] ] （在c - w[ i ] 的空间中面对i - 1 个物品进行最优选择，这里的m[ i-1 ][ j-w[ i ] ]指的就是考虑了i-1件物品，背包容量为j-w[i]时的最大价             值,也是相当于为第i件物品腾出了w[i]的空间。）大小来判断 i 是否选择，（而在实际计算中我们对于这两项并不了解，因此需要从前往后计算）。

状态转移方程：

if(j>=w[i])
    m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
else
    m[i][j]=m[i-1][j];

例：0-1背包问题：(来源：https://blog.csdn.net/xp731574722/article/details/70766804)

        在使用动态规划算法求解0-1背包问题时，使用二维数组m[ i ][ j ]存储     j 空间下面对 i 件物品的最优解  ，而使用动态规划算法求解时其实就是对二维数组m[ i ][ j ]的绘制过程。

        价值数组  V[ n ] = {8, 10, 6, 3, 7, 2}

        重量数组  M[ n ] = {4, 6, 2, 2, 5, 1}            背包容量为C = 12

        

(第一行和第一列为序号，其数值为0)
如m[2][6],在面对第二件物品，背包容量为6时我们可以选择不拿，那么获得价值仅为第一件物品的价值8，如果拿，就要把第一件物品拿出来，放第二件物品，价值10，那我们当然是选择拿。m[2][6]=m[1][0]+10=0+10=10;依次类推，得到m[6][12]就是考虑所有物品，背包容量为C时的最大价值。

代码实现：

#include <iostream>
#include <cstring>
using namespace std;
 
 
const int N=15;
 
 
int main()
{
    int v[N]={0,8,10,6,3,7,2};
    int w[N]={0,4,6,2,2,5,1};
 
 
    int m[N][N];
    int n=6,c=12;
    memset(m,0,sizeof(m));
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=c;j++)
        {
            if(j>=w[i])
                m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
 
 
            else
                m[i][j]=m[i-1][j];
        }
    }
 
 
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=c;j++)
        {
            cout<<m[i][j]<<' ';
        }
        cout<<endl;
    }
 
 
    return 0;
}

到这一步，可以确定的是可能获得的最大价值，但是我们并不清楚具体选择哪几样物品能获得最大价值。

另起一个 x[ ] 数组，x[i]=0表示不拿，x[i]=1表示拿。

m[n][c]为最优值，如果m[n][c]=m[n-1][c] ,说明有没有第n件物品都一样，则x[n]=0 ; 否则 x[n]=1。当x[n]=0时，由x[n-1][c]继续构造最优解；当x[n]=1时，则由x[n-1][c-w[i]]继续构造最优解。以此类推，可构造出所有的最优解。

void traceback()
{
    for(int i=n;i>1;i--)
    {
        if(m[i][c]==m[i-1][c])
            x[i]=0;
        else
        {
            x[i]=1;
            c-=w[i];
        }
    }
    x[1]=(m[1][c]>0)?1:0;
}

参考（https://blog.csdn.net/xp731574722/article/details/70766804）