背包问题之：01背包、完全背包、多重背包（本文源码可求物品放置列表）

主要理解得益于：https://blog.csdn.net/a784586/article/details/63262080
其通俗易懂的讲解着实厉害，部分内容也来自与这篇博文

---

---

动态规划

动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中， 可能会有很多可行解，每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划可以将一个复杂问题分解问若干子问题，然后求解子问题，从而得到原始问题的解。
这本身是一种分治法的思想，但是动态规划分解后的子问题往往不是独立的，即下一个阶段的求解必须是建立在上一个子阶段的基础上的。可以简单理解为一个爬楼梯的过程，你要爬到第二格楼梯，一定要先爬第一格。

---

背包问题

有$n$种重量和价值分别为$weight_i$，$value_i$的物品，假设有一个容量为$w$的背包，求怎么样装这个背包，才能使得$\sum_1^n{k_i*weight_i}（其中k_i为0到物品的数量至多有多少）$不超过背包的总重量，并获得最大的价值$\sum_1^n{k_i*value_i}$。
这个问题确实很难，因为从物品的组合方式多种多样，我怎么知道该如何选才能达到最优？下面以一个简单的例子来说明动态规划在这里应该怎么用。

如上图，现在我们有一个能容纳重量为$w$的背包，和5种物品$a b c d e$，直观上确实很难理解怎么直接放置才能实现价值最大化。

1、假设这里每种物品至多只能取一次，并且我们先不管这个背包真实容量11，我们假设这个背包容量其实只有1，并且此时此刻可选物品也只有a，显然，在这种情况下，a能放入这个背包，并得到了价值1。这时候假设我们可选物品多了一件b，容量仍为1，但b的重量大于1，放不下，与此类似，我们可知，即使可选物品变成5件，因为其他物品的重量都超过了当前这个背包容量1，我们可放的物品仍然只有a，总的价值还是为1。

2、这时候我们假设背包容量变成了2，一开始还是只能放a，得到的价值为1。这时候，假设b也可选了，即此时ab均可选，那么因为b的重量小于等于2，此时价值最大的方式就是把刚刚放的a拿出来，放入b，就可以得到价值6。当$cde$也可选，因为容量超限，显然不能再有更好的放置方案。

3、接着，我们假设背包容量变成了3，起初只有a一种物品，那么能放入，得到的价值为1，这时候再来一件b，a+b仍然不超过容量3，因此可以得到价值7。

我发现这个例子要举出点鲜明的变化至少要举到重量变成5的时候，但那时候文字太多了。我就文字补一波，希望看到这里的人能脑补出来。我们假设在重量为5的情况下，一件件看物品$a b c d e$物品，开始只有a，那么放得下，得到价值1。只有ab，也放得下，得到价值7。但出现c的时候，问题来了，因为c一个的价值就超过了ab，而且重量不超限，最好的方法就是把ab都干掉，只放c。当放了c，后来再看de，因为两个都超限，最终也只放c获得了最大价值18。

上面的内容非常废话，但却透露了一个思想，甚至隐含了一个公式。
我们假设$opt(i,w)$为前$i$种物品在重量$w$条件下任意组合所能达到的最大化价值（好好理解一下这句话理解了背包问题基本没问题），则有