基于蓝桥云课题库的刷题日记#3——01背包/背包问题/小明的背包1/一维dp解法

前言：dp的前提一定是学习了递归，没有学递归就先去学

1174小明的背包1

01背包，意指每种物品只有一个，每个物品有拿或不拿两种状态（即0，1）。

本篇采用的是一维数组dp解决

题目描述
小明有一个容量为V的背包。
这天他去商场购物，商场一共有N件物品，第件物品的体积为w，价值为vi
小明想知道在购买的物品总体积不超过V的情况下所能获得的最大价值为多少，请你帮他算算。
输入描述
输入第1行包含两个正整数N,V，表示商场物品的数量和小明的背包容量。
第2~N+1行包含2个正整数w,v,，表示物品的体积和价值。1< N < 10^2,1< V < 10^3,1 < w,v < 10^3
输出描述
输出一行整数表示小明所能获得的最大价值

解题过程：一共有n个物品，背包体积为v，那么就开一个数组dp[]，dp[i]表示体积为i时能获取的最大。对于动态规划，首要搞清的是dp数组的含义和状态转移方程，首先开始时背包没有任何物品，dp数组全为0，放入第一个物品时，从dp[w1]到dp[V]肯定都放入，放入第二个物品时，就要考虑当背包空间不足时，第一个物品和第二个物品取舍的问题了。我们不妨比较在没放入第二个物品时的背包价值和放入第二个物品时的背包价值，取最大值，比方说，大小为3的背包，第一个物品大小为2，价值为2，第二个物品大小为2，价值为3。那么第一次更新dp数组之后，dp[2],dp[3]都是2，此时考虑是否放入第二个物品，以dp[3]举例，可以拿现在的(还没放入第二个物品)dp[3]和dp[3-w2]+v2即dp[3]和dp[1]+3作比较，显然，dp[3]就更新成了3，即只放入了第二个物品，实现放入第二个物品同时舍弃第一个物品的原因时dp[1]本来就没放入第一个物品，因为更新dp[3]时用到了还未变化的dp[1]的数据，那么我们更新dp数组就可以从大到小更新。

那么状态转移方程就昭然若揭：dp[i]=max(dp[i],dp[i-wi]+vai

贴上代码：

#include <iostream>
#include <algorithm>
using namespace std;
int dp[1005];//开dp数组
int main (){
  int v,n,w,va;
  cin>>n>>v;
  for(int i=0;i<n;i++){
    cin>>w>>va;//w和va不用数组存，边用边扔就行
    for(int j=v;j>=w;j--) dp[j]=max(dp[j],dp[j-w]+va);//状态转移方程
  }
  cout<<dp[v];
  return 0;
}

解决动态规划问题少不了手推的过程，强烈建议自己手推一遍