算法简单dp：01背包

所谓dp（动态规划）就是求解决策过程最优化过程，而01背包就是最经典也是最简单的动态规划问题。

原题目

给定n(n<=100)种物品和一个背包。物品i的重量是wi(wi<=100)，价值为vi(vi<=100)，背包的容量为C(C<=1000)。

应如何选择装入背包中的物品，使得装入背包中物品的总价值最大? 在选择装入背包的物品时，对每种物品i只有两个选择：装入或不装入。不能将物品i装入多次，也不能只装入部分物品i。

输入格式

共有n+1行输入：

第一行为n值和c值，表示n件物品和背包容量c；

接下来的n行，每行有两个数据，分别表示第i(1≤i≤n)件物品的重量和价值。

输出格式

输出装入背包中物品的最大总价值。

输入样例

5 10
2 6
2 3
6 5
5 4
4 6

输出样例

15

为了用代码实现这个功能，我们需要先设置一个w来暂时存储每个物品的重量，在设置一个v来暂时存储每个物品的价值。我们还需要申请一个二维数组a[N][N]，这个数组是用来干嘛的呢？举个例子，进行遍历时，a[i][j]代表的是已经抉择过i次（放不放），并且当前的质量不超过j，至于我为什么要这么设置，往下看。

以这个题为例子，我画了个表（如下图）：

其中最上排数字0~10代表j（重量不超过j），最右边一列1~5代表i（第i次抉择）,与他相邻的那一列方块里的数字代表重量。每i行j列代表a[i][j]的背包（圆圈数字代表第几次抉择时候的物品，我们暂且叫他第i号物品）。

这个代码的主要思路是每层从左到右在“可放入的范围（j）内”进行遍历，每一个a[i][j]判断的是“上一次抉择后还能放得下本次决择的物品的背包如果放入本次物品的话“与”上一次抉择后刚好达到j（这一列能放下的最大重量）的背包“这两者的价值，放入两者之中价值更大的数值。

例如：判断a[4][10]该装入什么值的时候，判断的是a[3][5] + v[4]（代码中表示为a[i - 1][j - w[i]]） 和 a[3][10] (代码中表示为a[i - 1][j]）。

a[3][5] + v[4]就是1、2、4号物品，总价值为6+3+5=13；

a[3][10] 就是1、2、3号物品，总价值为6+3+4=14；

因为14>13,所以后者的总价值更高，因此放入a[3][10]的值。

代码实现

#include <iostream>

using namespace std;

const int N = 1010;

int a[N][N];   //存储总价值
int n, m;

int main()
{
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++ )
    {
        int w, v;
        cin >> w >> v;
        
        for(int j = 1; j <= m; j ++ )
        {
            a[i][j] = a[i - 1][j];   //如果当前j存不下该物品就继承上一级遍历
            if(j >= w) a[i][j] = max(a[i][j], a[i - 1][j - w] + v); //如果还能存入则判断价值跟高的存法
        }
    }
    cout << a[n][m] << endl;
    
    return 0;
}

以上是我对01背包浅薄的理解，希望对你有帮助~ヾ(≧▽≦*)o