动态规划——01背包

01背包基础问题

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围

0<N,V≤1000
0<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

8

解题思路

背包问题的特点就是:每个物品仅能使用一次
状态f[i][j]定义：前 i 个物品，背包容量 j 下的最优解（最大价值）：
重要变量&公式解释
f[i][j]:表示所有选法集合中,只从前i个物品中选,并且总体积≤j的选法的集合,它的值是这个集合中每一个选法的最大值.
f[i-1][j]:不选第i个物品的集合中的最大值
f[i-1][j-v[i]]+w[i]:选第i个物品的集合,但是直接求不容易求所在集合的属性,这里迂回打击一下,先将第i个物品的体积减去,求剩下集合中选法的最大值.
状态转移方程
f[i][j] = max(f[i-1][j], f[i-1][j-v[i]]+w[i])

当前的状态依赖于之前的状态，可以理解为从初始状态f[0][0] = 0开始决策，有 N 件物品，则需要 N 次决 策，每一次对第 i 件物品的决策，状态f[i][j]不断由之前的状态更新而来。

1. 当前背包容量不够（j < v[i]），没得选，因此前 i 个物品最优解即为前 i−1i−1 个物品最优解：
对应代码：f[i][j] = f[i - 1][j]。
3. 当前背包容量够，可以选，因此需要决策选与不选第 i 个物品：
选：f[i][j] = f[i - 1][j - v[i]] + w[i]。
不选：f[i][j] = f[i - 1][j] 。
我们的决策是如何取到最大价值，因此以上两种情况取 max() 。

  public static void main(String[] args) {
        Scanner  scanner=new Scanner(System.in);
        int n=scanner.nextInt();
        int m= scanner.nextInt();
        int h[]=new int[n];
        int v[]=new  int[n];
        for (int i = 0; i < n; i++) {
          v[i]= scanner.nextInt();
          h[i]= scanner.nextInt();
        }
//        System.out.println(Arrays.toString(h));
//        System.out.println(Arrays.toString(v));
        int dp[][]=new int[n+1][m+1];
        for (int i = 1; i <n+1 ; i++) {
            for (int j = 1; j <m+1 ; j++) {
                //不选
                if (j<v[i-1]){
                    dp[i][j]=dp[i-1][j];
                }else {
                    //选
                    dp[i][j]=Math.max(dp[i-1][j],dp[i-1][j-v[i-1]]+h[i-1]);
                }
            }
        }
        System.out.println(dp[n][m]);

优化为一维dp

状态f[j]定义：N 件物品，背包容量j下的最优解。

为什么可以这样变形呢？我们定义的状态f[i][j]可以求得任意合法的i与j最优解，但题目只需要求得最终状态f[n][m]，因此我们只需要一维的空间来更新状态。

在二维情况下，状态f[i][j]是由上一轮i - 1的状态得来的，f[i][j]与f[i - 1][j]是独立的。而优化到一维后，如果我们还是正序，则有f[较小体积]更新到f[较大体积]，则有可能本应该用第i-1轮的状态却用的是第i轮的状态。
状态转移方程为：f[j] = max(f[j], f[j - v[i]] + w[i] 。

 int dp[]=new int[m+1];
        for (int i = 1; i <n+1 ; i++) {
            for (int j =m ; j >=v[i-1] ; j--) {
                dp[j]=Math.max(dp[j],dp[j-v[i-1]]+h[i-1]);
            }
        }