动态规划04

今天来说说你们关心的01背包问题。如果说做了动态规划这个专题，又不做背包问题的话，好像也说不过去吧。所以今天就来讲下这个01背包。当然关于动态规划的基本解法还是请看前两期，今天这个01背包我们只来就题讲题。

01背包的问题大概是说，有n个物品，每一个物品有自己的体积和价值，然后现在有一个只能容纳m体积的背包，要怎么选择物品，才能使最后的价值最大。

01背包的"0"和"1"本身就表示的是选和不选，很符合动态规划的思想。这道题其实也不难，沿用前面几题的思想就能完成。我们在选择的过程中会遇到这么几种情况：1.当前物品的体积小于背包的容积，那么我们可以选，也可以不选。2.当前物品的体积大于背包的容积，那么我们只能不选。3.当前的剩余容积已经为0，我们应当返回选择了的物品的总价值。4.已经搜索到最后一个物品，此时我们需要判断物品的体积与背包剩余容积的关系，再根据情况选与不选。

因为大致思路与前面都是一样的，所以也不多说了，直接贴上代码。

递归部分：

    public static int opt(int[] value, int[] weight, int idx, int sum, int val) {
    	if (sum == 0) {
    		return val;
    	}
    	if (idx == 0) {
    		if (weight[idx] <= sum) {
    			return val+value[idx];
    		}
    		return val;
    	}
    	if (weight[idx] > sum) {
    		return opt(value, weight, idx-1, sum, val);
    	}
    	return Math.max(opt(value, weight, idx-1, sum, val), opt(value, weight, idx-1, sum-weight[idx], val+value[idx]));
    }

非递归部分：

    public static int[][] dp(int[] value, int[] weight, int idx, int sum, int val) {
    	int[][] arr = new int[weight.length][sum+1];
    	for (int i=0; i<sum+1; i++) {
    		if (weight[0] <= i) {
    			arr[0][i] = value[0];
    		}else{
    			arr[0][i] = 0;
    		}
    	}
    	for (int i=0; i<weight.length; i++) {
    		arr[i][0] = 0;
    	}
    	for (int i=1; i<weight.length; i++) {
    		for (int j=1; j<sum+1; j++) {
    			if (weight[i] > j) {
    				arr[i][j] = arr[i-1][j];
    			}else{
    				arr[i][j] = Math.max(arr[i-1][j-weight[i]]+value[i], arr[i-1][j]);
    			}
    		}
    	}
    	return arr;
    }