背包问题及其变形及python实现

w = [2,3,4,5]（体积）
v = [3,4,5,6]（价值）
z = [1,2,3,4]（质量）
s = [13,2,1,1]（数量限制）
C = 8（体积限制）
D = 7（质量限制）

01背包（每个物品只有一个）

组成一个(len(w)+1)*(C+1)的状态矩阵，矩阵里的数代表你只使用前i个物品，在还有j的剩余容量时可获得的最大价值。(行列分别加1是为了方面状态更新，第一行表示无可放入物品是剩余体积为j对应的价值，均为0。第一列表示在可使用前i个物品时，剩余体积为0对应的价值，均为0)

先填第一行，第一个数是在剩余体积为1时只能使用体积2的物品，最大价值应该是0，因为放不进去。同理第二个数是3应该剩余体积2，可以把体积2的物品放进去获得3的价值，但是只有一个体积2的物品，所有后面剩余体积变大也没用，只能放那一个进去，第一列后面的数都是3。再到第二行，第一个是0，第二个是3，到第三个的时候情况有变当剩余体积为3时，这时我们有两个选择：一是把3放进去n那这时的价值就是放进体积3物品获得的价值，和在剩余体积为0(3-3)时只能使用体积2物品的价值即dp[1][0]的值的和，即dp[1][0]+v[1]。二是不放三回到在剩余体积3的，只能放体积2物品获得价值是多少的问题。从中选择价值较大的那个，dp[2][3] = max(dp[1][0]+v[1],dp[1][3]])。后面以此类推dp[i][j] = max(dp[i-1][j-w[i]]+v[i]],dp[i-1][j])。整个表格右下角的数就是最终的最大价值。
更新完的图为：

思路为初始化整个矩阵，然后使用动态规划的思想逐个更新矩阵中的数，初始为0，可选状态有两个之前介绍过，状态转移为选其中大的。
代码如下：

dp = [[0 for _ in range(C +1)] for _ in range(len(w) +1)]
print(dp)
for i in range(1,len(w)+1):
    for j in range(1,C+1):
        if j < w[i-1]:
            dp[i][j] = dp[i-1][j]#如果剩余容量不够新来的物体 直接等于之前的
        else:
            dp[i][j] = max(dp[i-1][j],dp[i-1][j-w[i-1]]+v[i-1])#这一共可以分为两种情况，一种是不放第i个物体，一种是放第i个物体,选择其中大的、（第二个选择里面的i-1是list的位置，第二个物品在list中对应的是第一个数）
print(dp)

一维优化：
发现状态转移只和前一行和当前行，更新数左边的数有关。我们就只初始化一行，然后用第i-1行更新第i行并记录i行并用于更新i+1行。但是如果我们从左往右更新，再更新dp[i][j]时，使用i的方案需要用到dp[i-1][j-w[i]]这个数，但是由于是从左往右更新list里的dp[j-w[i]]这个数已经是第i行的了，第i-1行的已经被覆盖。所以我们从右往左更新。代码如下：

dp = [0 for _ in range(C +1)]
for i in range(1,len(w)+1):
    for j in reversed(range(1,C+1)):#逆序保证读前面的时候还没更新
        if w[i-1] <= j:
            dp[j] = max(dp[j],dp[j-w[i-1]]+v[i-1])
print(dp)

完全背包（物品的数量无限）

当物品数量无限时，选i的状态转移变成，我还能选i但是剩余容量为j-w[i]。dp[i][j]=max(dp[i][j-w[i]]+v[i]],dp[i-1][j])。代码如下：

dp = [[0 for _ in