表格详细解答——》动态规划求解0/1背包问题

1.动态规划基本思想：
（1）将原始问题划分一系列子问题；
（2）求解每个子问题仅一次，并将其结果保存在一个表中，以后用到时直接存取，不重 复计算，节省计算时间；
（3）自底向上计算。
2.解题四个部分：
（1）首先确定状态需要2个意识：
①　最后一步（最优策略中使用的最后一个物品M-wl的最大价值）
②　化成子问题（知道物品能不能装到j-w[i]的最大价值）（0<=j<=M）
（2）转移方程：
dp[i][j]=max(dp[i-1][j-w[i]]+pi,dp[i-1][j])(0<j<M),j>=w[i]
dp[i][j]=dp[i-1][j],j<w[i]
（3）初始条件和边界情况：
dp[0][0]=0;j>=wi表示能装下第i个物品
（4）计算顺序
3.代码实现

#include<iostream>
using namespace std;
int dp[21][1010];//数组初始值为0
int p[21],w[21];
int main(){
	int M,N;
	cin>>M>>N;//N表示物品个数，M表示背包载重量 
	for(int i=1;i<=N;i++){
	    cin>>w[i]>>p[i];	//p[i]表示物品的价值，w[i]表示物品的载重量
	}
	for(int i=1;i<=N;i++){
		for(int j=0;j<=M;j++){  //j每次从0开始遍历到M
			if(j>=w[i]){
                //当j大于w[i]
				dp[i][j]=max(dp[i-1][j-w[i]]+p[i],dp[i-1][j]);
               //更新物品价值，将前一个位置j-w[i]位置的价值加上当前物品的价值p[i]与第i-1行第j列的物品价值dp[i-1][j]比较大小；
			}else{
				dp[i][j]=dp[i-1][j];
			}
		}
	}
    for(int i=0;i<=N;i++){
	for(int j=0;j<=M;j++){
			if(j!=M){
				cout<<dp[i][j]<<"  ";
			}else{
				cout<<dp[i][j]<<endl;
			}
		}
	}
	cout<<dp[N][M];
	return 0;
} 

对于每一个物品i载重量w[i]的判断，将j从0遍历到M,首先j>=w[i]表示如果背包的载重量为j，必须保证可以把物品i放进去,更新此时背包价值 dp[i][j]=max(dp[i-1][j-w[i]+p[i],dp[i-1][j]])将前一个物品在j-w[i]位置的价值再加上当前物品的价值；否则此时的j装不下w[i],dp[i][j]=dp[i-1][j]；
PS:
（1）dp二维数组在初始化时，元素初值都为0；
（2）当载重量j从0遍历到M时，if条件必须保证此时的背包载重量可以承载此物品j>=w[i]；