算法基础——动态规划之0-1背包问题

• 问题描述
  
  解决这个问题，最先想到的一定是暴力搜索：假设一共有n件商品，每件商品都有选择或不选两种状态，所有的选择方式为——从n件商品任取一件、任取两件、’’’、任取n件, 即共有Cn1 + Cn2 + Cn3 +…+Cnn 种选择方式。其中某些选择方式会超出背包的容量，把这样的选择方式剪掉，在剩余合法的选择方式中找到商品总价值最高的组合。

  我们采用递归的方式来进行暴力搜索：对于n件商品的情况，第i件商品的重量为w[i]，价值为v[i]，背包容量为c，计算n件商品的最高价值选择P(n,c)即为：
  max{P(n-1,c-w[n])+v[n], P(n-1, c)}
  P(n-1,c-w[n])+v[n]: 将第n件物品放入背包时的最高价值选择（选择了第n件物品后背包容量-w[n]，再去找前n-1件物品的最高价值P(n-1，c-w[n])）
  P(n-1, c)：不选择第n件物品，背包容量仍为c不变。

  通过此递归式可计算出最高价值选择，伪代码及Golang实现如下：
  

const negInfinity  = -1000

/*暴力搜索的求解方式(递归)*/
func KnapsackSR(w []int, v []int, flag []int,n int, c int) int {
   
	//  背包体积为c，且在前n个商品中做选择

	//递归边界
	if c < 0 {
    //背包容量不足
		return negInfinity
	}
	if n <= 0 {
    //商品不足 决策已经完成
		return 0
	}

	getN := KnapsackSR(w,v,flag,n-1,c-w[n])+v[n]
	noN := KnapsackSR(w,v,flag,n-1