01背包及其优化

动态规划是解决变成问题的一种重要思想，而背包则是动态规划的一种。

背包问题：给你一个容量为v的背包以及一些具有价值Wi和体积Vi的一些物品，要你求出背包所能装的最大价值。

解决方法：

定义一个数组f[i][v]用来统计各种情况下，背包所能装的最大价值,其中，i代表当前只提供前i个物品给你选择，v表示当前只提供v体积给你装物品

具体代码实现：

//关键思想方程：f[i][j]=max{f[i-1][j],f[i-1][j-Vi]+Wi} 判断装入和不装入，哪个价值更大

f[N][V];//假设有N个物品，V的容量
for(int i=1;i<N;i++)//遍历所有物品
    for(int j=0;j<V;j++)
    {
        if(j<Vi)//判断当前容量能否装入第i个物品
            f[i][j]=f[i-1][j];//如果装不下，那么当前条件下最大价值就应该等于不考虑第i个物品时，当前容量所能装的最大值，即f[i-1][j]
        else
        //下面是可以装入第i个物品的情况
            f[i][j]=Max(f[i-1][j],f[i-1][j-Vi]+Wi);
        //如果能装入，就要判断装入大，还是不装入大，如果不装入，就相当于不考虑第i个物品，就是f[i-1][j]，如果装入，那么价值就应该等
        //于第i个物品的价值再加上不考虑第i个物品，而且容量为j-Vi（当前容量，第i个物品占了Vi）的情况下的最大价值，即f[i-1][j-Vi]
    }

但是，当给你的背包较大，物品又较多时，二位数组所占的空间有可能会过大，这时就要懂得优化

因为最后要的最值肯定是要把所有物品都考虑的情况下的最大值，那么有没有可能建立一个存储最值用的数组下标只和体积有关呢？

答案是肯定的，方法很简单，大体思路没变，主循环依旧是遍历物品（逐步把所有物品考虑进去），只是对容量的循环改为递减，原因见代码：

f[V];//存储数组改为只和容量有关
//关键思想方程：f[j]=max{f[j],f[j-Vi]+Wi}，与f[i][j]=max{f[i-1][j],f[i-1][j-Vi]+Wi}不难看出，要想通过一位数组实现，那么max里的f[j],f[j-Vi]必须是不考虑第i个物品时的值，同样是判断
//装入和不装入，哪个价值更大，不过在这里就可以看出为什么容量的循环是递减的，思考一下，如果容量递减，那么f[j]的修改是根据j从大到小的修改的，这时max里的f[j],f[j-Vi]是没修改过的，也
//就是说这两个值是还没考虑第i个时的值，这是我们要的，如果是递增的，那么f[j]和f[j-Vi]都是修改过的，也就是已经考虑过第i个物品的值，不满足要求
for(int i=1;i<N;i++)//遍历所有物品
    for(int j=N;j>=Vi;j--)//注意：这里不能递减到0，因为下面有j-Vi
    {
        f[j]=Max(f[j],f[j-Vi]+Wi);
    }