dpdpdpdpdpdp

来一场说走就走的旅程，来一个说学就学的dp。

时间匆匆，走的匆匆，转眼离来学校听老师讲dp已经过去好久好久了，可是，菜鸡的我却还是什么都不会，说实话就要退役了，所以，一切的一切，只是为了避免“轻轻的离去不带走一片云彩”的悲哀。

现在学，只是为了学会，并不再是考试是拿到多少分数。吼吼吼吼吼吼吼。

01背包

有N件物品，第i件物品体积为Vi，价值为Wi，容积为M的背包，要求选择几件物品使得总体积不超过M的情况下，总价值最大。

上代码：

for(int i=1;i<=n;i++)
{
   
	for(int j=0;j<=m;j++)
		a[i][j]=a[i-1][j];
	for(int j=v[i];j<=m;j++)
		a[i][j]=max(a[i-1][j],a[i-1][j-v[i]]+w[i]);	
}
for(int i=0;i<=m;i++)
		ans=max(ans,a[n][j]);

一定是在想为什么是选择用（1~n），（ 0~m）两个来做循环， 实 际上i是选择第i个物品，在i的循环下面还有一个j，这个j，就是用来在不同的状态下，选择i件物品时在之前选择不同体积情况下的最佳，在最后把所有不同的状态缩减成m中，用他们来比较就行。所以在最后必然是挨着从（1~n）选择物品选还是不选，到最后的状态一定都是到n的，所以a[i][j]中的i，是可以省掉的，是可以用一维数组来降低空间上的消耗。

至少我是懂了。（dp不就是用数组写的dfs，记录的也是每一种状态，但是是更有逻辑，记录的是美中状态的最佳，相当于dp在写的过程中不断的去淘汰一些结果）。

完全背包

有n个有自己体积价值的物品，每种可以选择不限次数，来装一个体积为m背包，使总价值最大。

对于完全背包，先靠着从01背包学来的思路，你是完全可以想出的，你或许是可以直接跳过三重循环，不选第i件物品和选择非0次 i 物品，f[i][j]=f[i-1][j],f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i])
所以可以直接代码:

for(int i=1;i<=n;i++)
	{
   
		for(int j=0;j<=m;j++)
			f[i][j]=f[i-1][j];
		for(int j=v[i];j<=m;j++) 
			f[i][j]=max(f