背包问题-动态规划

动态规划求解背包问题：
基本思想：通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。在求解背包问题的时候就体现为从0个物体到全部物体都有最优解，所以每增加一个物体就先考虑前一个物体时的最优解，最后将所有情况的最优解组合起来就是最后的解答。

求解：

把背包问题具体化，以物体个数为纵坐标，背包容量为横坐标，将放入不同数量物体与背包不同容量的情况下的最优解作为该坐标的值。

无非就是两种情况：

第一，包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)；

第二，还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛ V(i-1,j)，V(i-1,j-w(i))+v(i) ｝

　　　　　　　其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)但价值增加了v(i)；

可得到动态函数：

具体代码实现

int KnapSack(int n,struct thing a[],int C,int x[]){
    int V[N][10*N];
    for(int i = 0; i <= n; i++)//初始化第0列
        V[i][0] = 0;
    for(int j = 0; j <= C; j++)//初始化第0行
        V[0][j] = 0;
        
    for(int i = 1; i <= n; i++)
        for(int j = 1; j <= C; j++)
        if(j < a[i-1].wight)
            V[i][j] = V[i-1][j];  //当背包容量承受不住加入物体的重量 
        else
            V[i][j] = MAX(V[i-1][j],V[i-1][j-a[i-1].wight] + a[i-1].value); //当背包物体能承受住新加入物体重量，将加入与不加入value对比求最大值 
            
    return V[n][C];
}