0-1背包问题的回溯算法

前几天看了一篇0-1背包问题的回溯算法解决方案，代码量很少，但当时看了好久外加debug，也没看懂这几行代码到底要干嘛。贴一下这几行代码

public class DGTest {
	//背包最终的最大承重量。maxW 小于等于 w。w是背包的一个属性，maxW是在实际的场景中，背包实际能装的重量。
    private int maxW = Integer.MIN_VALUE;
    //背包实际的最大承重量
    private int w = 9;
    //待装入背包的商品的数量
    private int n = 5;
    //商品的集合
    private int[] items = new int[]{2, 2, 4, 6, 3};

    /**
     * 0-1背包问题回溯算法
     *
     * @param i  当前考察到第几个商品了
     * @param cw 当前背包的重量
     */
    public void f(int i, int cw) {
        //背包满了或者已考察完所有的商品
        if (cw == w || i == n) {
            if (cw > maxW) {
                //记录当前背包的最大承重量
                maxW = cw;
            }
            return;
        }
        //AAAAA选择不装第i个物品
        f(i + 1, cw);
        if (cw + items[i] <= w) {
            //BBBBB选择装第i个物品
            f(i + 1, cw + items[i]);
        }
    }

    @Test
    public void testDG() {
        f(0, 0);
        System.out.println(maxW);
    }
}

大家能看到，实际的代码就是两个递归。
当时实在看不懂，没有纠结，先过了，后面有了思路再回来看。过了两天，在看一篇用递归树计算递归时间复杂度的文章中，突然有了灵感。所以记录一下这个灵感，不一定能解决这个问题，更像是一个突破口。
第一个递归处(标注了AAAAA)，是先不装这个物品，然后进入递归，等递归执行完，再继续执行装这个物品。一个物品，要么装，要么不装。2个递归的逻辑，把这两个操作都包含了，其他物品也是一样的逻辑。实际上当考察完所有的物品，所有的商品组合操作就都尝试了一遍了。在尝试过程中，记录最大的能装入背包的组合。
这种算法，在数学上，其实就是穷举，找到所有的解决方案，从中挑一个最优的。当我们找不到高效解决方案的时候，这也算是一种方案。万能方案，😄。
附赠一下，上述算法的递归树，这张图的来源是极客时间的<数据结构与算法之美>课程，感兴趣的同学可以订阅看一下，对于入门来说挺不错的。

解释一下这张图，首先是根部的f(0,0)，然后分解为f(1,0)和f(1,2)，f(1,0)就代表考察到第一个物品，不装入背包。f(1,2)就代表考察到第一个物品，装入背包。剩下的递归操作和这个操作一样，依次类推。递归树对于理解递归过程很有用，这种分析方法要掌握起来。