从给女朋友带礼物到01背包问题

不写标题感觉很丑

当一个问题有很多种可能，有很多种答案的时候，并且这一次选择和上一次选择有联系的时候。我们就需要用到动态规划！
而背包问题就是动态规划中一个典型的问题！

01背包问题

有 n 个物品和一个大小为 m 的背包. 给定数组 A 表示每个物品的大小和数组 V 表示每个物品的价值问最多能装入背包的总价值是多大?
0代表不拿，1代表拿

我试着用一些比较能够理解的例子来解决动态规划种的问题。
现在我要搭飞机去找女朋友，并且想带一行李箱的南京土特产给她。但是由于买的特价机票，没有免费的行李额不能托运。我寻思着买个托运费用那不得几百块，不如先带一些有价值有意义的礼物给她，用书包装上然后带上飞机，其他带不了的礼物等以后有机会再送给她。但是现在有一个问题，我现在有以下礼物：

但是我的背包装得下8kg的物品，怎么才能保证带给女朋友的礼物价值最大呢？(别问我为什么要带电脑，谁也无法阻止我学习！！！）
这个也就是01背包问题的现实版！我把这些数据依次抽象数组：

//书包bag的最大承重量
int bag = 8;
//物品的个数number
int num = 5;
//物品的价值value
int[] v = {75,100,50,200,150};
//物品的重量weigth
int[] w = {5,1,2,7,1}

动态规划，就是一个在递推的过程，我们先来创建个表：

i 代表纵坐标，表示当前物品数量
j 代表横坐标，表示当前背包容量
w[i] 是物品重量的数组
v[i] 是物品价值的数组
创建dp[i][j] 数组，dp数组中 i 表示当前的物品数量，j 表示当前物品容量。dp[i][j] 中放的元素就是物品的价值

int[][] dp = new int[num+1][bag+1]

比如说dp[2][3] 的意思就是当我的背包可以装 3kg 时，目前只有两个物品，分别是南京的盐水鸭、秋天的银杏叶。

在这里解释以下，dp[0][0]表示当前背包啥也放不了，也啥物品都没有的时候。因为动态规划中经常会用到dp[i-1][j-1] 等数据，为了防止越界，我们通常会在原来的基础上加1，这样也便于理解。比如说，我想表示我当前背包容量为5，目前遇到第5个物品，可以直接表示为dp[5][5]，如果是不设置（0，0），我们就需要在（0，0）做一些羞羞的事（为什么是羞羞的事？因为我不知道怎么表达，反正就那个意思），我们的表示就为dp[4][4]，感觉很难受，有时候会写错。

现在我们来设想以下：
1、我们没有遇到物品时，不管背包容量是多大，都是不能放的，所以来看一下表的处理：

2、当我们遇到第1个物品时南京的盐水鸭的时候，我们发现这死鸭子还挺重，背包容量 < 物品重量，没办法，只有当我们背包容量 >= 物品重量的时候，才能放入东西。来看表的处理：

因为只有一个物品，所以不管容量多大，都只能放一个物品。

3、当我们遇到第二个物品银杏叶时，它的重量只有 1 kg，当我们背包容量为 1 kg时，发现之前并没有放入物品，我们就可以给它放进去。此时表的变化：
来到了关键时刻！！！注意注意注意！
我们发现我们的背包容量为 5 的时候，之前已经放入过东西了，怎么办怎么办怎么办？除非女朋友是吃货，不然怎么都得选择银杏叶对吧，因为银杏叶的"价值"更高，此时我们迎来了第一个转移方程：

if(j == w[i]) {
	dp[i][j] = Math.max(dp[i-1][j],v[i]);
}

来看表的变化：

别走！别走！还有！
我们来看当背包容量等于 6 的时候，我们发现都可以放下，也就是说，我不仅可以放盐水鸭，还可以放银杏叶，爱情和面包都有了。此时我们迎来了我们的第二个状态方程：

if(j > w[i]) {
	dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-w[i]] + v[i]);
}

怎么理解这个 Math.max(dp[i-1][j],dp[i-1][j-w[i]] + v[i])呢，假如我们不拿当前的银杏叶，那么 此时背包里面的价值就为dp[2-1][6] = 75，如果我们拿了银杏叶，那么我们就要先得到不拿银杏叶的时候的价值加上银杏叶的价值，也就是dp[i-1][j-w[i]] + v[i]，看表

4、当我们选择第三个物品时，当书包容量为1时，发现并装不下。怎么办，不装呗。我们迎来了第三个转移方程

if(j < w[i]) {
	dp[i][j] = dp[i-1][j];
}

当重量为2时，我们发现之前背包容量为2的时候，我们装了一个银杏叶，所以用到了第一个转移方程
if(j == i) dp[i][j] = Math.max(dp[i-1][j]，v[i])；
毫无疑问，银杏叶的价值大于明信片，毕竟银杏叶可是我辛辛苦苦去寝室楼下捡的。接下来的步骤有也是根据这三个转移方程来写的！
所以看表：

最终价值最大的就是350，我准备带上手环和笔记本去找女朋友了！
还好笔记本还在，我刚才写数据的时候害怕笔记本不见了！

下面我们来代码实现：

    public static int backPackII(int num, int[] W, int[] V) {
        int x = W.length;
        int[][] dp = new int[x+1][num+1];
        //初始化纵坐标
        for(int i = 0;i < x+1;i++) {
            dp[i][0] = 0;
        }
        //初始化横坐标
        for(int i = 0;i < num+1;i++) {
            dp[0][i] = 0;
        }
        for(int i = 1;i < x+1;i++) {
            for(int j = 1;j < num+1;j++) {
                if(j < W[i-1]) {
                    dp[i][j] = dp[i-1][j];
                }else if(j == W[i-1]) {
                    dp[i][j] = Math.max(dp[i-1][j],V[i-1]);
                }else {
                    dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-W[i-1]] + V[i-1]);
                }
            }
        }
        return dp[x][num];
    }

注意细节，W数组和V数组的取值范围。不然会越界。
我顺便遍历了以下dp数组

可能是因为我理解不够深刻，我觉得这些经典的题得多靠自己去理解，去画图！别人的想法永远是别人的想法，表达出来可能理解也会有差别。
所以加油啊各位！
老规矩，小白，如有错误，多多指正！

注：文章中得到转移方程的时机并不是"合理的"，我写转移方程的时候只是为了让我自己和初学者更好理解。比如dp可以设置为一维数组，转移方程还可以简化。但是我自己是初学者，我希望如果有初学者能看到这篇文章不会感觉到很快！