0-1背包问题详解，，

小辣鸡写一些自己对0-1背包问题的详解，以防自己以后忘了。。。。

有4个物品，编号为1，2，3，4，重量w :10，2，4，5。价值v:5，3，7，8。容量W=20，总价值为V

dp[i][j]表示从编号为i包括i以前的前i个物品中选择，使得在容量为j的情况下，总价值V最大。

即dp[1][j<10]都为0，而dp[2][2]却不为0，因为是从1和2两个物品中选择，可以选择物品2，此时dp[2][2]=3。

分析可知dp[0][0<=j<=V] = 0。

对于第i个物品来说，

若把第i个物品放入背包，则dp[i][j] = dp[i-1][j-i.w]+i.v  (i.w表示第i个物品的重量，i.v表示第i个物品的价值)

若第i个物品不放入背包，则dp[i][j] = dp[i-1][j]。

所以转移方程为dp[i][j] = max(dp[i-1][j], dp[i-1][j-i.w]+i.v)

核心代码是：

        for(int i = 1; i <= n; i++)
{
//随着物品的增加，体积从s开始逐渐减少， 
for(int j = s; j >= list[i].w; j--)
dp[i][j] = max(dp[i-1][j], dp[i-1][j-list[i].w]+list[i].v);

//当容量小于物品的价值的时候， 对应的dp[i][j]保持不变 
for(int j = list[i].w-1; j >= 0; j--)
dp[i][j]  = dp[i-1][j];

}

将数值代入分析：

i = 1

dp[1][20] = max(dp[0][20], dp[0][20 - 10] + 5) = 5

dp[1][19] = max(dp[0][19], dp[0][19 - 10] + 5) = 5

dp[1][18] = max(dp[0][18], dp[0][18 - 10] + 5) = 5

........

dp[1][10] = max(dp[0][10], dp[0][10 - 10] + 5)  = 5

dp[1][0-9] = 0

i = 2

dp[2][20] = max(dp[1][20], dp[1][20 - 2] + 3)  = 8

dp[2][19] = max(dp[1][19], dp[1][19 - 2] + 3) = 8

dp[2][18] = max(dp[1][18], dp[1][18 - 2] + 3) = 8

........

dp[2][11] = max(dp[1][11], dp[1][11 - 2] + 3) = max(5 , 0 + 3) = 5

.....

dp[2][2] = max(dp[1][2], dp[1][2 - 2] + 3)

dp[2][0-1] = dp[1][0-1]

i = 3

dp[3][20] = max(dp[2][20], dp[2][20 - 4] + 7)  = 15

dp[3][19] = max(dp[2][19], dp[2][19 - 4] + 7)

dp[3][18] = max(dp[2][18], dp[2][18 - 4] + 7)

......

dp[3][15] = max(dp[2][15], dp[2][15 - 4] + 7) = 12  (表示前3个物品中选择了1和3，没有选择2)

.....

dp[3][4] = max(dp[2][4], dp[2][4 - 4] + 7)

dp[3][0-3] = dp[2][0-3]

i = 4

dp[4][20] = max(dp[3][20], dp[3][20 - 5] + 8)  = 20

dp[4][19] = max(dp[3][19], dp[3][19 - 5] + 8)

.....

dp[4][5] = max(dp[3][5], dp[3][5 - 5] + 8)

dp[4][0-4] = dp[3][0-4]

最终dp[4][20] 就是最优的解。