动态规划装箱问题

思路：
动态规划：
假设可选物品集合为S, Sk为前k个物品组成的物品子集, 第k个物品的体积是wk，价值是vk
1. 表征子问题：用B[k,w] 表示在子集Sk中，所剩空间为w时，能够装下的物品最大价值。
2. 状态迁移方程：则从含有n个物品的集合中，用W大小的背包，能装下物品的最大价值是B[n, W]，由子问题表示可知：
B[k, w] = B[k-1, w] wk > w
= max(B[k-1, w], B[k, w - wk] + vk) wk <= w

当当前物体的体积wk大于当前背包的剩余空间的时候，不选择放入物品。当当前还有空间可以放下，则是否选择放入物品，取决于放入之后可获得的价值是否大于不放入可获得的最大价值。

int B[35][20005];

int knapsack(int *W, int n, int V)
{ 
    for(int k = 1; k <= n; k++){
        for(int w = 0; w <= V; w++){
            if(w < W[k]){
                B[k][w] = B[k-1][w];
            }else{
                B[k][w] = max(B[k - 1][w], B[k - 1][w - W[k]] + W[k]);    
            }

        }
    }
    return B[n][V];
}

算法分析：
给定整数W和n个物品的集合S，每个物品有正整数型的权值，可以用O(nW)时间求出S中的总权值之多为W且具有最大效用的子集。
伪多项式时间算法：
算法的运行时间依赖于W（背包的大小），如果W很大（2^n）那么这个动态规划算法渐进的比蛮力方法要慢。
一般称像背包动态规划这样的算法为伪多项式时间算法，因为它的运行时间依赖于输入中给定的某个数的量。

改进：

依据上面的分析，可以用一个一维数组来做：
子问题：用B[w]表示在背包剩余空间为w的情况下，从Sk子集中能够选出的最大价值。
状态迁移方程：B[w] = max(B[w], B[w-wk] + vk)

int B[BUF_SIZE];

int knapsack(int *W, int n, int V)
{
    for (int k = 1; k <= n; k++) {
        for (int w = V; w >= W[k]; w--) {
            B[w] = max(B[w], B[w - W[k]] + W[k]);
        }
    }
    return B[V];
}