代码随想录动态规划——01背包理论基础（一）

题目

背包最大重量为4。

物品为：

问背包能背的物品最大价值是多少？

以下讲解和图示中出现的数字都是以这个例子为例。

思路

动规五部曲：

1. 确定dp数组及下标含义
   dp[i][j]表示从下标为[0-i]的物品里面任意取，放进容量为 j 的背包，价值总和最大是多少
   

2. 确定递推公式
   一共有两个方向推出dp[i][j]
   （1）不放物品 i：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以被背包内的价值依然和前面相同。)
   （2）放物品 i：由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值
   所以递推公式为： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])

3. dp数组如何初始化
   首先从dp[i][j]的定义出发，如果背包容量 j 为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0
   
   再看其他情况，状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。
   dp[0][j]：表示 i 为0，存放编号0的物品的时候，各个容量的背包所能存放的最大价值。
   其中当 j < weight[0]的时候，dp[0][j] 应该是 0，因为背包容量比编号0的物品重量还小；
   当j >= weight[0]时，dp[0][j] 应该是value[0]，因为背包容量放足够放编号0物品。
   

4. 确定遍历顺序
   一共有两个遍历的维度：物品和背包的重量，至于先遍历哪个都可以，因为dp[i][j]需要的都是左上角的数据，但是先遍历物品更好理解

5. 举例推导dp数组
   
   java代码如下：

public static void main(String[] args){
	int[] weight = {1,3,4};//每个物品的重量,数组长度表示物品的数量
	int[] value = {15,20,30};//每个物品的价值
	int bagsize = 4;/背包最大重量
	testweightbagproblem(weight, value, bagsize);
}

public static void testweightbagproblem(int[] weight, int[] value, int bagsize){
	int wlen = weight.length;//表示物品的个数
	int value0 = 0;
	//定义dp数组：dp[i][j]表示背包容量为j时，前i个物品能获得的最大价值
	int[][] dp = new int[wlen + 1][bagsize + 1];
	//初始化：背包容量为0时，能获得的价值都为0
	for(int i = 0; i <= wlen; i++){
		dp[i][0] = value0;
	}
	//遍历顺序：先遍历物品，再遍历背包容量
	for(int  i = 1; i <= wlen; i++){//先遍历物品
		for(int j = 1; j <= bagsize; j++){//再遍历背包容量
			if(j < weight[i-1]){//当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以被背包内的价值依然和前面相同，即不放物品的时候，另外这里是i-1，如果i从0开始那么就是i
				dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j - weight[i-1]] + value[i-1]);
			}
		}
	}
	//打印dp数组
	for(int i = 0; i <= wlen; i++){
		for(int j = 0; j <= baagsize; j++){
			System.out.print(dp[i][j] + " ");
		}
		System.out.print("\n");
	}
}