01背包问题-动态规划（通俗易懂）

package com.lmh.test.algorithm.dp;

/**
 * 动态规划 01背包问题
 * @author Cooker
 * @date 2024/8/10
 * @time 11:12
 */
public class Knapsack {
    public static void main(String[] args) {
        // 示例数据
        int capacity = 4;  // 背包的容量
        int[] weights = {1, 4, 3}; // 物品的重量
        int[] values = {15, 30, 20};  // 物品的价值
        int n = weights.length;  // 物品的个数
        // 输出最优解
        System.out.println("最大值: " + knapSack(capacity, weights, values, n));
    }

    // 定义一个方法来解决01背包问题
    public static int knapSack(int capacity, int[] weights, int[] values, int n) {
        // 创建一个二维数组来存储子问题的解
        int[][] dp = new int[n + 1][capacity + 1];

        // 填充二维数组
        for (int i = 0; i <= n; i++) {
            for (int j = 0; j <= capacity; j++) {
                // 处理基本情况，初始化第一行、第一列为0
                if (i == 0 || j == 0) {
                    dp[i][j] = 0;
                } else if (weights[i - 1] <= j) { // 如果当前物品重量小于等于当前背包容量，选择放入或不放入背包的最大值
                    dp[i][j] = Math.max(dp[i - 1][j], values[i - 1] + dp[i - 1][j - weights[i - 1]]);
                } else {      // 如果当前物品重量大于当前背包容量，不放入背包
                    dp[i][j] = dp[i - 1][j];
                }
            }
        }

        // 输出一下 v 看看目前情况
        for (int i = 0; i < dp.length; i++) {
            for (int j = 0; j < dp[i].length; j++) {
                System.out.print(dp[i][j] + " ");
            }
            System.out.println();
        }

        // 返回最优解
        return dp[n][capacity];
    }


}