0-1背包的优化

以上方法的时间和空间复杂度均为O(N*V），其中时间复杂度基本已经不能再优化了，但空间复杂度却可以优化到O(V）。

先考虑上面讲的基本思路如何实现，肯定是有一个主循环i=1..N，每次算出来二维数组f[i][0..V]的所有值。那么，如果只用一个数组f [0..V]，能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢？

我们会发现，在每次循环中，我们用的其实只是上面一次的数据，所以其实只需要一行来保存上面一次的数据就可以了。

但是我们注意到，在状态转移方程中，我们需要回溯前面的数据，如果我们从左往右扫描，并且同时修改数据，那我们在这次的状态转移中就会改变上次的初始位置，导致用现在的值去模拟以前的状态，就会出错，比如我们第一个物品是w=2,V=5,第二个物品是w=1,v=2

那么在状态转移方程中，如果从前往后，那么就会导致结果虚高。在考虑第二个物品的时候，我们就会发现w=2的时候最大可以为7

为了解决这种问题，我们需要从后往前回溯，这样就可以保证不改变以前状态转移方程的结果。

f[i][v]是由f[i-1][v]和f [i-1][v-w[i]]两个子问题递推而来，能否保证在推f[v]时（也即在第i次主循环中推f[v]时）能够得到f[v]和f[v -w[i]]的值呢？事实上，这要求在每次主循环中我们以v=V..0的顺序推f[v]，这样才能保证推f[v]时f[v-w[i]]保存的是状态f[i-1][v-c[i]]的值。伪代码如下：

    对于这个问题，一开始确实有点不太好入手。一堆的物品，每一个都有一定的质量和价值，我们能够装入的总重量有限制，该怎么来装使得价值最大呢？对于这n个物品，每个物品我们可能会选，也可能不选，那么我们总共就可能有2^n种组合选择方式。如果我们采用这种办法来硬算的话，则整体的时间复杂度就达到指数级别的，肯定不可行。

    现在我们换一种思路。既然每一种物品都有价格和重量，我们优先挑选那些单位价格最高的是否可行呢？比如在下图中，我们有3种物品，他们的重量和价格分别是10, 20, 30 kg和60, 100, 120。