Python中运用动态规划解决背包问题

首先，先请大家了解一下动态规划以及背包问题是啥，已经了解的请略过
动态规划
动态规划与分治法相似，都是通过组合子问题的解来求解原问题，它通常用来求解最优化问题，这类问题可以有很多可行解，每个解都有一个值，我们希望寻找具有最优值（最大值或者最小值）的解。我们称这样的解为问题的一个最优解，而不是最优解，因为可能有多个解都达到最优**值。
背包问题
给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。
解决方法
我们首先介绍思路，再通过代码进行解释。
遇到这种问题，最简单也是最耗费时间的解决方法是遍历，将所有情况都计算出来，再从结果中找最优解，我们今天介绍的动态规划就是在这个基础上演变而来的。
我们都知道，遍历之所以耗费时间，是由于它的计算量巨大，我们通过观察它的计算过程可以发现，其实它的很多计算操作计算的都是之前计算过的量。那我们如果把这些已经计算过的量储存起来，当我们需要的适合直接提取它的结果，就起到了减少计算量的效果，我们的动态规划使用的就是这种思想。
读到这里，大家可能有一种似懂非懂的感觉，下面我们直接贴上代码为大家解释一下。

#-*- coding: utf-8 -*-
def