01背包——二维数组（初步学习）

/*动态规划的分类思想为核心思想
 *判定n个物品放入有限容积背包的利润最大值，为减少规模，先算一个物品放入容积背包的利润最大值
 * 之后求两个物品时，分为能放入和不能放入两种情况，放入时，则考虑两种情况：放入后的利润与放入前的利润
 * 在模拟过程中，发现体积也难以确定，但也可以分成有限个小部分，体积也是一个未定量，则将体积从小到大进行判定模拟，
 状态表示方程：f(i)（v），i表示相应的背包，v表示装入这个背包的容积（二维表示两个状态量，价值是结果）
 注：在表示状态转移方程时，首先要表示出相应的状态，根据题干搞清楚状态跟什么量有关，选择合适的维度进行表示
  * 对于每一个物品加入后，容积也是未知的量，则考虑将容积进行子问题分解，分成有限个小部分，进行记忆存储（或者说更易理解的解释：容积、容纳量均是变量，所以要进行记忆化存储）
 * 既然分成了状态，就要对子状态进行求解出来，表示出任意一个子状态，从而能够通过状态转移方程进行调用
 * 这里要注意的是，子状态的任意量不一定都能够用到，要注意题干，以及子状态中的特殊限制
 */
#include<iostream>
using namespace std;
int main()
{
	int weight[5],value[5];//a数组表示占用的体积，b数组表示对应的价值
	for (int i = 1; i <= 5; i++)
	{
		cin >> weight[i];      //一共有n个背包求最大化利润
		cin >> value[i];       //数据初始化：输入重量，价值（两组对应不相同的数据，用两个数组进行存储）
	}
	int volume;
	cin >> volume;                   //背包对应的最大容积
	int maxa[5][5];
	memset(maxa, 0, sizeof(maxa));   //注意重置初始值（小细节）
	for (int i = 1; i <= 5; i++)      //背包从第一个遍历到最后一个
	{
		for (int j = 1; j <= volume; j++)  //体积从小值开始遍历，从而表示所有子问题的情况
		{
			if (weight[i] > j)
			//j表示当前点的容积数目
			//特殊限制，当子状态的容积不能够容纳当前包裹时的状态转移方程
			     maxa[i][j] = maxa[i - 1][j];
			//表示装不下当前的背包
			else maxa[i][j] = max(maxa[i - 1][j], maxa[i][j - weight[i]] + value[i]);
			//装下后也要进行取舍，比较一下装之前与装之后的最大利润值，选取更大的利润
			/*两个比较的内容来源原理是：n-1个物品加上一个，最优解包含两种情况，要么是不取，要么是取
			 *分别写出两个状态的状态转移方程
			 */
		}
	}
}
/* 其它注意点
 * 数组初始化的设计，令i=1，进行初始化，方便使用且更易理解
 * 在这个题目中，最大利润是结果量，体积、背包个数是状态量，可通过二维数组对两个状态量进行表示
 * 背包个数、体积这两个状态量都是动态变化、无序的，化无序为有序：考虑前1个背包，前二个背包，前三个背包
 * 前1个容积，前2个容积，前3个容积……
 * 找出无限个子状态进行存储，进而对庞大的无序问题转化成求解子状态的问题
*/