DP（动态规划）解决01背包问题

背包问题

背包问题是一类经典的动态规划问题(DP问题)，非常灵活、变体多样，然我想最基础的背包问题透彻理解之后，变体问题自然迎刃而解。下面介绍两类最简单的背包问题：01背包问题和完全背包问题，而两类问题之中，又以01背包问题为重。

01背包问题

我们先来看看01背包问题的题目吧：
有n件物品，每件物品的重量为w[i]，价值为c[i]。现有一个容量为V的背包，问如何选取物品放入背包，使得背包内物品的总价值最大。其中每种物品都有1件。
样例：
5 8 //n == 5 , V == 8
3 5 1 2 2 //w[i]
4 5 2 1 3 //c[i]
好，看到题目，我想脑中第一个浮现的做法就是暴力枚举，枚举每一件物品放或者不放进背包，显然，每件背包都有两种选择，因此的话，n件物品就有2^n种情况，时间复杂度是O(2 ^n)，显然这是十分糟糕的。而使用DP就可以将复杂度降为O(nV)。
DP做法分析：
我们令dp[i][v]表示前 i 件物品(1<=i<=n,0<=v<=V)恰好装入容量为v的背包中所能获得的最大价值。好，那么怎么求解dp[i][v]呢？
考虑对第 i 件物品的选择策略，有两种选择策略：

• 不放第 i 件物品，那么问题就转化为前 i - 1 件物品恰好装入容量为v的背包中所能获得的最大价值，也即dp[i-1][v]
• 放第 i 件物品，那么问题就转化为前 i - 1 件物品恰好装入容量为v - w[i]的背包中所能获得的最大价值，也即dp[i-1][v-w[i]]+c[i]
  由于只有两种策略，且要求能获得最大价值，因此
  dp[i][v] = max{dp[i-1][v],dp[i-1][v-w[i]]+c[i]}(1<=i<=n,w[i]<=v<=V)
  上面这个就是状态转移方程。注意到dp[i][v]只与之前的状态dp[i-1][]有关，所以可以枚举从1到n，v从0到V，通过边界dp[0][v] = 0(0<=v<=V)(即前0件物品放入任何容量为v的背包中都只能获得价值0）就可以把整个dp数组递推出来。而由于dp[i][v]表示的恰好是为v的情况，，所以需要枚举dp[n][v] (0<=v<=V) ，取得最大值之后才是最后的结果。
  因此可以写出代码：

for(int i = 1;i<=n;i++){
   
	for(int v = w[i];v<=V;v++){
   
		dp[i][v] = max(dp[i-