【算法】01背包_部分背包

一、01背包问题
（1）题目：
01背包问题：（因为对每个物品只有选和不选两种情况，所以这个问题称为01背包）
有n个重量和价值分别为wi, vi的物品， 从这些物品中挑选出总重量不超过W的物品，求所有挑选方案中价值总和的最大值。
1 ≤ n ≤ 100I
1 ≤ wi, vi ≤ 100
1 ≤ W ≤ 10000

输入：
第一行物体个数n
第二行重量
第三行价值
第四行背包承装W
输出：
最大价值

样例：
输入：
4
2 1 3 2
3 2 4 2
5
输出:
7 (选择第0, 1, 3号物品)

（2）思路及其代码实现
思路一：动态规划
A、设初始总的最大价值为0 + f(W, 0)。
[f(W, 0)指的是从0号物品开始选择总重量≤W的总价值]
B、对于物品0，若选择，则总价值有 v0 + f(W - w0, 1)；若不选择，则总价值有 0 + f(W, 1)，此时当前的最大价值=max{v0 + f(W - w0, 1), 0 + f(W, 1)} ；
==>>
dp公式：dp[i][j] = 0 , (j == 0)
dp[i][j] = max{v[i] + dp[i - 1][j - w[i]], 0 + dp[i - 1][j]} (j > 0)
其中，i：表示行，代表可选第0——i个物品； j：表示列，代表背包剩余容量j；
tips: 按行解出dp[ ][ ]，因为下一行的解依赖上一行的解。

/**
     * way01——动态规划dp解法
     * @param w
     * @param v
     * @param W
     * @return
     */
    private static int dp(int[] w,int[] v,int W) {
   
        int[][] dp = new int[w.length][W + 1];
//        初始化dp表的第一行
        for (int i = 0; i < W + 1; i++) {
   
            if (i >= w[0]) {
   //如果当前容量i装得下物体0
                dp[0][i] = v[0];
            }
        }
//        剩余行
        for (int i = 1; i < w.length; i++) {
   //行，代表可选第0——i个物品
            for (int j = 0; j < W + 1; j++) {
   //列，代表背包剩余容量j
                if (j >= w[i]) {
   
                    dp[i][j] = Math.max(v[i] + dp[i-1][j-w[i]], dp[i-1][j]);
                }
            }
        }
        return dp[v.length-1][W];
    }

思路二：深度优先搜索DFS

/**
     * way02——深度优先搜索DFS   O(2^n)
     *      遍历此搜索二叉树的所有分支，每个非叶子结点值==左右孩子的较大值
     * @param w 重量数组
     * @param v 价值数组
     * @param W 背包承重
     * @param current 当前判断物品下标 从0开始
     * @return
     */
    private static int dfs(int