第一DP：简单的背包模板

什么是 DP ？

DP阵营图	必须要有状态转移	其实有转移就可以	一定要有转移吗？
一定要求的最优化	动态规划毫无疑问是DP	搜索也可以是DP	静态规划为什么不是DP？
不用最优也可以	神经网络是DP	二分也是DP	蒙特卡洛当然也是DP
最优是什么？	递归难道不是DP？	映射也很DP	Dual Problem才是正统DP！

咳咳，这里的DP可不是Dual Problem，而是Dynamic Programming。
按解法分类，可以将动态规划以下几类：

1. 暴力
2. 暴力+优化
3. 暴力+算法
4. 暴力+算法+优化
5. 挖坑待填
6. 挖坑待填
   咳咳，简单来说就是，简单的选与不选，和困难的选与不选。当然，分类不重要，毕竟它是我主观的，在成体系前你看不懂就没用。所以，前四类就统称为暴力好了。
   当然，我认为背包问题不能算进分类里。它是板子，人人都应该会和背。

背包问题

什么是背包问题

有物品，有背包，有题目就是背包问题
咳咳。题目会给出一个或多个限制，和一些供选取的东西，问怎么选东西最优之类的。
果然还是不懂吧，说了白说，直接看题。

01背包

体积V。N种物品，各体积vi，价值wi，每种最多选1个。问最大价值。

#include<bits/stdc++.h>//acwing2
using namespace std;
int N,V,v[1010],w[1010],dp[1010];
int main() {
   
	cin>>N>>V;
	for(int i=1; i<=N; i++) {
   
		cin>>v[i]>>w[i];
	}
	for(int i=1; i<=N; i++) {
   
		for(int j=V; j>=v[i]; j--) {
   
			dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
		}
	}
	cout<<dp[V];
	return 0;
}

显然可分为装与不装，那么dp[i]表示体积为i时的最大价值。
那么暴力枚举每件物品i，对于能装下v[i]所有体积，在装与不装之间取最优：
for i:1->N
for j:v->V
dp[i]=max(self,dp[i-v]+w)
但是考虑后无效性，枚举体积时倒序：
for i:1->N
for j:V->v
dp[i]=max(self,dp[i-v]+w)

完全背包

体积V。N种物品，体积vi，价值wi，可无限选。问最大价值。

#include<bits/stdc++.h>//acwing3
using namespace std;
int N,V,v[1010],w[1010],dp[1010];
int main() {
   
	cin>>N>>V;
	for(int i=1; i<=N; i++) {
   
		cin>>v[i]>>w[i];
	}
	for(int i=1; i<=N; i++) {
   
		for(int j=v[i]; j<=V; j++) {
   //
			dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
		}
	}
	cout<<dp[V];
	return 0;
}

显然，代码上相对01背包就变了个循环方向。
01背包需要确保后无效性，而完全背包需要确保后有效性。

分组背包

体积V。N组物品，物品体积vij价值wij。限制每组的选择策略。问最大价值。

它规定了组内的某种选择规则，所以叫分组背包。

例1

总体积V，N组物品，每组最多选1个，物品体积vij价值wij。问最大价值。

#include<bits/stdc++.h>//acwing9
using namespace std;
int N,V,n[110],v[110][110],w[110][110];
int f[110][10010];
int main() {
   
	cin>>N>>V;