动态规划：0-1背包问题（一）

第一次接触动态规划，写一些自己的心得吧，动态规划真的还是挺难理解的，看了不少大牛的相关博客后才初步有所了解，哎，无奈自己智商捉急啊。下面是动态规划最简单的一种类型0-1背包问题。

问题：

有N件物品和一个容量为V的背包。第i件物品的体积是volume[i]，价值是value[i]。求解将哪些物品装入背包可使这些物品的体积总和不超过背包容量，且价值总和最大。

思路：

对于每种物品来说，只有两种状态，装或者不装。于是我们就可以把它分解为子问题best[i][j],代表前i个物品放入体积为j的背包中所能达到的最大价值.这样我们就可以列出一个状态转移方程（注意：动态规划中列出状态转移方程是关键所在！呃。。。。至少大家都是这么说的。。。）那么该方程是什么呢？就像我之前所说的，对于第i件物品来说只有两种状态，装入背包或者不装。

列出如下状态转移方程：

best[i][j]=max{best[i-1][j],best[i-1][j-volume[i]]+value[i]}，核心就是这个方程，如果第i件物品不装，最大价值就是best[i-1][j]，如果装了，就得是不装第i件物品时的最大价值（此时的体积应该减去第i件物品的体积）加上第i件物品的价值。

定义边界值：

显而易见，若不边界，则该方程会无限递归下去。由于当物品为0或者空间为0时，最大价值一定是0，所以我们可以定义best[0][j]=0,best[i][0]=0，当然我们也可以直接先让该二维数组赋初值为0，之后再改动其中部分的值。

接下来就是码代码啦：

#include <iostream>  
using namespace std;  
int max(int a,int b)  
{  
 int temp=b;  
 if (a>b)temp=a;  
 return temp;  
}   
int main()  
{  
 int N,V;  
 int best[101][100]={0};  
 int i,j;  
 int value[100]={0},volume[100]={0};  
  cin>>N>>Vfor(i=1;i<=N;i++)cin>>value[i]>>volume[i];
  for(i=0;i<=N;i++)  
   for(j=0;j<=V;j++)  
    best[i][j]=0;  
   for(i=1;i<=N;i++)  
    for(j=1;j<=V;j++)  
    {  
     if (j>=volume[i])best[i][j]=max(best[i-1][j],best[i-1][j-volume[i]]+value[i]);  
     else best[i][j]=best[i-1][j];  
    }  
    cout<<best[N][V]<<endl;  
 }  
 return 0;  
}  

虽然这样时间是优化到极限了，但空间还有优化的余地，所以自然而然还有一种是用一维数组来写，这需要状态转移方程的第二个循环反向遍历才行，这个会在下一章节加以介绍。（我也是研究了许久才明白。。。。说白了还是基础不扎实，刚接触算法的缘故。。。。）