0-1背包问题动态规划

基本的0-1背包问题。这里的物品一般指花瓶、玉器什么的，要么拿，要么不拿，只有0和1两种状态，所以也叫0-1背包。

初学者有时会认为，0-1背包可以这样求解：计算每个物品的，然后依据的值，对所有的物品从大到小进行排序。其实这种贪心方法是错误的。如下表，有三件物品，背包的最大负重量是50，求可以取得的最大价值。

其实，0-1背包是DP的一个经典实例，可以用动态规划求解。

0-1背包问题：
有N件物品和一个容量为V的背包。第i件物品的重量是w[i]，价值是v[i]。求解将哪些物品装入背包可使这些物品的重量总和不超过背包容量，且价值总和最大。

转移方程如图所示。

解释一下上面的方程：将前i件物品放入容量为j的背包中这个问题时，如果只考虑第i件物品放或者不放，那么就可以转化为只涉及前i-1件物品的问题。
1）如果不放第i件物品，则问题转化为前i-1件物品放入容量为j的背包中。

2）如果，即背包剩余容量可以容纳第i件物品，那么放第i件物品，则问题转化为前i-1件物品放入剩下的容量为的背包中，此时能获得的最大价值就是再加上通过放入第i件物品获得的价值。则的值就是1）、2）中最大的那个值。

代码如下

public class Demo1 {
    //总的重量
    int totalWeight ;
    //物品个数
    int number ;
    public Demo1(int number,int totalWeight){
        this.totalWeight = totalWeight ;
        this.number = number ;
    }
    public int knapsack(int w[],int v[]){
        int m[][] = new int[number+1][totalWeight+1] ;

        for(int j=0;j<totalWeight+1 ;j++){
            m[0][j] = 0 ;
        }

        for(int i=0;i<number+1;i++){
            m[i][0] = 0 ;
        }

        for(int i=1;i<number+1;i++){
            for(int j=1;j<totalWeight+1;j++){
                if(j>=w[i-1]){
                    m[i][j] = Math.max(m[i-1][j],m[i-1][j-w[i-1]]+v[i-1]) ;
                }else{
                    m[i][j] = m[i-1][j] ;
                }
            }
        }
        for(int i=0;i<number+1;i++){
            for(int j=0;j<totalWeight+1;j++){
                System.out.print(m[i][j]+ " " );
            }
            System.out.println();
        }
        return m[number][totalWeight] ;

    }
    public static void main(String args[]){
        //重量
        int w[] = {3,4,5} ;
        //价值
        int v[] = {4,5,6} ;
        Demo1 demo = new Demo1(3,10) ;
        int weight = demo.knapsack(w,v) ;
        System.out.println(weight);
    }
}

背包容量的增长如图所示