动态规划（01背包问题）

背包问题在dp问题中占很大的比重，很多dp问题都可以抽象成背包问题来解决，那么什么是背包问题呢？

我的理解是：给你两个元素和两种元素的状态，让我们求在某个元素在限制条件下达到某种状态的最佳方案；

具体到背包问题中就是给你每种物品的体积和价值，让我们求解在某个给定的体积下，你能装入的最大价值物品是多少。

在次引入ACwing的背包题目：2. 01背包问题 - AcWing题库https://www.acwing.com/problem/content/2/

01背包问题是最简单的背包问题，因为每种物品只有选与不选的区别，所以每种物品我们可以认为有两种状态：选他，或者不选他；

动态规划（dp）问题有点像贪心问题，我们都是在找此状态下的最优解；

01背包问题的分析有两个方面，1是状态的表示，2是状态的计算；01背包问题中，我们有最简单的一维数组解法，但是在这里我们先给出二维数组的解法：

存储初始数据时，我们用v数组存储体积，用w数组存储价值（可以是价格也可以是重量）

状态的表示我们采用二维数组的横纵坐标，横坐标表示取前i种物品，纵坐标j表示容积。那么合起来，我们二维数组g[i][j]表示的就是：只取用前i种物品的情况下，容积为j时我们的最优解是多少？于是我们就用二维数组完美模拟出了状态；

状态的计算我们分为两部分，其一是我们选择第i捡物品，其二是不选择；因为我们的物品只有一个，所以可以理所当然的分出这两种状态，那么该如何计算呢？

 

 我们用这个图来看一下：选择两种计算的条件是我们当前的容积是否大于第i件物品的容积，如果大于的话，我们就可以选择是否拿第i件物品，拿的话，就是剩余j-v[i]的体积中，我们再找到一个最优解加上第i件物品的重量，看看是不是比我们不拿第i件物品的价值更高，取最大值即可；

如果当前的容积都没有比第i件物品大，我们就只能选择不拿第i件物品，相当于我们这个时候就变成了取前i-1件物品是的最优解；于是我们顺理成章的可以把第i-1的状态传递下来；

经过所有物品的循环，我们能做到这样一件事：只取前i件物品的情况下，我取得一定是最优解！

图示：

 最后我们直接输出答案即可，注意，i为零的情况是代表不取物品，当前体积下的最优解，一定都为零，所以不做处理即可；

代码如下：

 

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

const int N=1010;
int g[N][N];//主要部分，用来计算 
int v[N],w[N];//v存储体积，w存储价值 

int main()
{
	int n,m;
	cin>>n>>m;
	for(int i=1;i<=n;i++)
	{
		cin>>v[i]>>w[i];
	}
	
	for(int i=1;i<=n;i++)
	{
		for(int j=0;j<=m;j++)
		{
			g[i][j]=g[i-1][j];//无论我们是否取第i件物品，这个继承要有 
			if(j>=v[i])//特判，如果可以取第i件物品，我们就会在两种选择中取其最优解 
			g[i][j]=max(g[i-1][j],g[i-1][j-v[i]]+w[i]);
		}
	}
	
	cout<<g[n][m]; 
}

总的来说，由于我们的循环是从取一件物品开始，每一层我们都能得到最优解，所以即使后面我们用到了前一层的状态，得到的也一定是最优解；

到此完毕