背包问题细节探析

引言：

上一周在看《背包九讲》，这周也在练习背包型动态规划的题目，在这里分享几点学习过程中的体会，涉及到空间优化：二维转一维的理解以及循环顺序的理解，最后会析背包问题的一些变种问题。为了叙述方便，这篇博客仅仅谈及01背白问题和完全背包问题，其余读者感兴趣可以自己查阅《背包九讲》

01背包

01背包问题是所有背包问题的基础，先来看裸的01背包问题：
题目：有N件物品和一个容量为V 的背包。第i件物品的费用为c[i]，价值为w[i]。求解将哪些物品放入背包可以使价值总和最大。
注意：每种物品仅有一件，可以选择放或者不放。

动态规划问题最好先在草稿纸上写下子问题的定义状态以及方程。
子问题定义为：dp[i][j]表示前i件物品放入容量为j的背包中所能获得的最大价值。
状态方程为：

这个是二维数组的状态方程，这个在《背包九讲》的基础上做了修正，因为《背包九讲》是要优化到一维，所以没有注意到这个细节。
状态方程的意思是1 .如果第i件物品大于背包容量，那么问题转化为将前i-1件物品放入背包中所获得的最大价值。2.如果第i件物品小于于背包容量，那么可以考虑a.不放第i件物品，问题转换为将前i-1件物品放入背包中所获得的最大价值b.放第i件物品，问题转化为将前i-1件物品放入背包j - c[i]中所获得的最大价值加上第i件物品的价值w[i]…
###Code:

public class Solution {
    /**
     * @param m: An integer m denotes the size of a backpack
     * @param A & V: Given n items with size A[i] and value V[i]
     * @return: The maximum value
     */
    public int backPackII(int m, int[] A, int V[]) {
        // write your code here
        int[][] dp = new int[A.length][m + 1];
        for (int i = 0; i < A.length; i++) {
            dp[i][0] = 0;
        }
        for (int j = 1; j < m + 1; j++) {
            if (A[0] > j) {
                dp[0][j] = 0;
            } else {
                dp[0][j] = V[0];
            }
            for (int i = 1; i < A.length; i++) {
                if (A[i] > j) {
                    dp[i][j] = dp[i - 1][j];
                } else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - A[i]] + V[i]);
                }
            } 
        }
        return dp[A.length - 1][m];
    }
}

二维数组转一维数组怎么理解

《背包九讲》中，推荐我们使用一维数组，那样可以节省空间，伪代码如下：

这个伪代码第一次看感觉不到什么，但是写着写着就会发现有些地方是没有想明白的，我通过一番探究，基本上把这个一维的思路想清楚了。
先来看看和二维数组的不同之处，只有对比才能发现问题。
除了一维数组和二维数组的区别外，有两点不同。
1.循环的次序发生了改变，二维数组为外层背包，内层物品。而一维数组是外层物品，内层背包。
2.