动态规划入门：01背包问题，提供模板和思路，简单易懂好上手（同时可在相应网站上做练习）

动态规划可以一般按照下面的步骤进行：
1）、状态定义；
2）、状态转移方程；
3）、初始化；
4）、输出；
5）、思考状态压缩。

01背包问题：

这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。
1、题目描述：
https://www.acwing.com/problem/content/description/2/


2、题解：

用子问题定义状态：
即 dp[i][j] 表示前 i件物品恰放入一个容量为 j的背包可以获得的最大价值。
则其状态转移方程便是：dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i-1]]+w[i-1])。解释一下：
dp[i-1][j],不选第i-1个物品的背包的最大价值
dp[i-1][j-v[i-1]]+w[i-1]，选第i-1个物品后的背包的最大价值（也即是剩余背包j-v[i-1]的容量的前i-1件物品，可以得到的最大价值+第i-1件物品的价值。
伪代码如下：

v[m]#体积数组
w[m]#价值数组
#初始化 ,m个物品，背包的总容量为n
dp[m+1][n+1]
dp[0][:] = 0
dp[:][0] = 0
for i in [1...m]:
    for j in [1...n]:
        dp[i][j] = max(dp[i-1][j],dp[i-1][j-v[i-1]]+w[i-1])
return dp[m][n]

上面的时间和空间复杂度都是O(m*n），下面将优化空间复杂度，将为O(n)
当然可以进行空间优化，这时候第二个循环，也就是内循环要倒着来
伪代码如下：

v[m]#体积数组
w[m]#价值数组
#初始化 ,m个物品，背包的总容量为n
dp[n+1]
dp[:] = 0
for i in [1...m]:
    for j in [n...1]:
        dp[j] = max(dp[j],dp[j-v[i-1]]+w[i-1])
return dp[n]

下面附上上面两个伪代码的python代码：注意处理边界
基础版：

m,n = map(int,input().split())
v = [] #体积数组
w = [] #价值数组

for i in range(m):
    num,x = map(int,input().split())
    v.append(num)
    w.append(x)
# print(m,n,v,w)
# dp = [[0] * (n+1)] * (m+1)
dp = [[0] * (n+1) for _ in range(m + 1)]
for i in range(1,m+1):
    for j in range(1,n + 1):
        if j < v[i-1]:
            dp[i][j] = dp[i-1][j]
        else:
            dp[i][j] = max(dp[i-1][j],dp[i-1][j-v[i-1]]+ w[i-1])
# print(dp)
print(dp[m][n])

优化版：

#空间优化
m,n = map(int,input().split())
v = [] #体积数组
w = [] #价值数组

for i in range(m):
    num,x = map(int,input().split())
    v.append(num)
    w.append(x)
# print(m,n,v,w)
# dp = [[0] * (n+1) for _ in range(m + 1)]
dp = [0 for _ in range(n + 1)]
for i in range(1,m+1):
    for j in range(n,0,-1):
        if j < v[i-1]:
            dp[j] = dp[j]
        else:
            dp[j] = max(dp[j],dp[j-v[i-1]]+ w[i-1])
# print(dp)
print(dp[n])

现在可以同步拿下LeetCode 416、474、494题。