【数据结构与算法】动态规划（一）背包问题总结 0-1背包 完全背包 数位成本和为目标值的最大数字

动态规划的三个基本要素：

• 最优子结构
• 边界条件
• 状态转移方程

0-1背包

有N件物品和一个容量为V的背包。第i件物品的费用是w[i]，价值是v[i]，求将哪些物品装入背包可使价值总和最大。限定每个物品要么拿（1个）要么不拿（0个）

普通解法

用f[n,C]来表示将n个物品放入容量为C的背包可以得到的最大收益，第i个物品有拿与不拿两种情况，表示为：
状态转移方程
f[i][c] = max( f[i - 1][c], f[i - 1][c - w[i]] + v[i] )

代码

public static int knapSack(int[] w, int[] v, int C) {
   
        int size = w.length;
        if (size == 0) {
   
            return 0;
        }

        int[][] dp = new int[size][C + 1];
        //初始化第一行
        //仅考虑容量为C的背包放第0个物品的情况
        for (int i = 0; i <= C; i++) {
   
            dp[0][i] = w[0] <= i ? v[0] : 0;
        }
		//填充其他行和列
		//外循环：放入物品的数量；内循环：容量
        for (int i = 1; i < size; i++) {
   
            for (int j = 0; j <= C; j++) {
   
                dp[i][j] = dp[i - 1][j];
                if (w[i] <= j