课程笔记01背包（动态规划）

解题思路

1. 首先将本问题转化成一个填表问题，利用公式填写，dp[i][j]数组的含义是，从i i+1 i+2 ……n 这些物品当中，容量为j时的背包装物品最大的价值。
   首先确定边界，dp[n][1~W]，表示处理的第n个物品背包的最大价值。
   当第n个物品重量w[n]大于背包总容量的时候，背包一定装不下这个物品，背包价值为0 。
   同理，如果第n个物品重量w[n]小于背包总重量的时候，背包一定要装下这个物品，为实现价值最大，此时dp[n][j~W]=v[n]

---

2. 处理第n个物品完成后，继续填写后面的表格，不难得出动态规划转移方程是：
   i 表示处理i~n的这些物品，j 表示背包的容量
   

解释：
如果第i个物品装不进这个背包当中，就是当w[i]>j时，一定放不进背包，则p[i][j]=p[i+1][j]
如果重量允许，放到背包里会出现两种情况，①放入。背包重量减少，价值增加。②不放入，因为之前存放方式的价值更大。
在这两种情况中，去最大值，即可得到动态规划方程：dp[i][j] = max(dp[i + 1][j], dp[i + 1][j - w[i]] + v[i])

---

表格：

---

代码实现

1. 第一个for循环是处理第n个物品的放置情况。
2. 第二个for循环，当物品不可以放入时，等于上一个物品的价值。可以放入时，取价值最大。

#include<iostream>
#include<iomanip>
#include<algorithm>
using namespace std;
const int NUM = 105;
int w[NUM];
int v[NUM];
int dp[NUM][NUM];
int knapsack(int n, int c)
{
	for (int i = 1; i <= c; ++i) // 只考虑第n件物品，填表第n行
	{
		if (i >= w[n])
		{
			dp[n][i] = v[n];
		}
	}
	for (int i = n - 1; i >= 1; --i)
	{
		for (int j = 0; j < w[i]; ++j)
		{
			dp[i][j] = dp[i + 1][j];
		}
		for (int j = w[i]; j <= c; ++j)
		{
			dp[i][j] = max(dp[i + 1][j], dp[i + 1][j - w[i]] + v[i]);
		}
	}
	return dp[1][c];
}
int main()
{
	int n, c;
	cin >> n >> c;
	for (int i = 1; i <= n; ++i)
	{
		cin >> w[i] >> v[i];
	}
	cout << knapsack(n, c) << endl;
	return 0;
}
/*
4 5
2 12
1 10
3 20
2 15

37
*/