C++ 01背包 动态规划

       图片参考《算法图解》

      假如你是一个小偷，你有一个4磅的背包，你可以偷下面物品，如何保证你能获得最大价值？

 

        使用动态规划，动态规划是首先解决子问题然后再逐步解决大问题，对于背包问题，先解决小背包的问题，然后再解决原来的问题。

           每一个动态规划的问题都是从网格开始的，背包问题的网格如下面：

         首先是一件物品一件物品去放置，我们从吉他这一行开始。第一个单元格的质量为1磅，所以吉他的质量为1磅，可以放入，价值为1500元。

          我们继续来看其他的格子，可以发现第2个格子也是完全足够的，第3个，第4个同理，因为是第一行只能放吉他，所以都是1500。

       继续来看音响行，现在可以偷的东西有吉他(1磅)，有音响(4磅)。

       看到音响行第一个格子，我们可以看出音响太重放不下去。所以当前最大值也就是之前一行的最大值，依然是1500

        所以类似往下面看，只有到了重量为4磅的格子的时候才放的下音响，而且价值比放吉他大，价格更新为3000

    同理我们看到最后的笔记本电脑这一行。

 

 

#include <iostream>
using namespace std;
//定义物品数量 
#define LENGTH 3 
//定义背包容量 
#define CAPACITY 4 
void dynamic_pg(int weight[],int value[] ,int knapsack[][CAPACITY+1]){
	for(int i = 1 ; i < LENGTH+1 ; i ++){ //循环物品数量，从第一种物品开始 
		for (int j = 1; j< CAPACITY+1 ; j ++){//循环背包容量，从背包容量为1开始 
			if (j < weight[i])  
				knapsack[i][j] = knapsack[i-1][j];//如果当前物品容量大于当前背包容量，就继续使用原来的物品 
			else{
				knapsack[i][j]  = max(knapsack[i-1][j],//上一个单元格的value 
									  knapsack[i-1][j-weight[i]] + value[i]);//j-weight[i]：背包容量减去当前物品剩余的重量。value[i]当前物品的重量 
						//knapsack[i-1][j-weight[i]] 所以得到的就是背包剩余容量能放的最大价值，这里就体现出就是首先解决子问题，然后再解决大问题 
			}
		cout << knapsack[i][j] <<' ';
		}
		cout << endl;
	}
}
int main (){
	int weight[LENGTH+1] = {0,1,4,3};//需要从数组下标为1开始赋值 
	int value[LENGTH+1] = {0,1500,3000,2000};
	int knapsack[CAPACITY+1][CAPACITY+1] = {0};
	dynamic_pg(weight,value,knapsack);
	return 0;
}