DP 01背包问题

问题建模：

	给定一个大小为 j 的背包，现在有一堆商品：每个商品的size   和  value
	现在需要给背包里装东西：  目的是：装的东西的价值要尽可能最大。

	现在问你，怎么装？

问题 分析：
这种问题：乍一看好像很棘手，size 大的value 可能很小。却大大浪费了空间。

	细细分析： 其实是一种动态选择问题：即动态规划：

核心：
每次遇到一个商品 ，经过衡量选择： 放入？ 不放入？背包
不放入：肯定是由于空间导致
放入： 1 空间充足，直接放入，
2 空间不充足，需要衡量是否要取出一些，再放入该商品。（衡量标准：保证value最大）

那么 状态转移方程就来了：

F(i, j) 表示 当前value —>很明显，用二维数组存储的 value

因为数组下标从0开始：所以用F(i-1, j-1)来表示
i： 表示第 i 个商品
j： 表示当前背包空间大小为 j

F(i-1, j-1) = max (F(i-1, j-1), F(i-1, j- A[i-1]) + V[ i-1])//V 代表value

一目了然： 计算时开辟二维数组， 没来到一个商品前进行空间变化的各种衡量 。

最终得到数组的最后一个元素就是最大的。 （类似于动态贪心）。 DP是贪心的father·～

//A :商品空间大小      V：商品价值大小
int backPack(int m, vector<int>&A, vector<int> & V)
{
  int n =A.size();//n：商品个数      m：背包大小
  vector<vector<int>> maxValue(n+1,vector<int>(m+1,0));
  for(int i=1; i<=n; ++i)//第i 个商品品
  {
    for(int j=1; j<=m; ++j)//有j个空间
    {
     //因为我们下标从1开始，所以实际下表应该从i-1开始
    
    	//判断当前商品空间是否大于总空间
      if(A[i-1] > j)//当前商品空间大于背包空间了  返回上一个商品对应空间的最大价值
        maxValue[i][j] = maxValue[i-1][j];
        
      else//否则，：  1 不腾空间，不放   2  先腾空间，再放入
      //maxValue[i-1][j]：剩余不腾空间
        maxValue[i][j] = max(maxValue[i-1][j],  maxValue[i-1][j-A[i-1]] + V[i-1]);
    }
  }
  return maxValue[n][m];//返回商品n，空间j时对应的最大value
  //注意：这个n并不代表n个商品都选选取了，只是说明，选择时来到过n
  //同理，m也不是说m个空间全装满了，只是说明计算到了m这个地方的最大value
}

优化

注意分析 ： 当我们计算时，只需要前一行的值，其它行的值都不用了，

那么我们可以优化一下： 只申请一维数组：

注意这行代码：⚠️

 maxValue[j] = max(maxValue[j], maxValue[j-A[i-1]] + V[i-1]);

一维数组时：这里存在更新问题 ： 当前商品的选择与否，受到上一行商品对应数据的影响，而我们只有一行，那么怎么体现上一行呢？

上一 行的数据其实就是没有更新之前的数据，我们正向走的话，ke neng会导致将本行数据当作上一行了，
解决策略： 反向走，前边的数据肯定没被更新

//A :商品空间大小      V：商品价值大小
int backPack(int m, vector<int>&A, vector<int> & V)
{
  int n =A.size();//n：商品个数      m：背包大小
  vector<int> maxValue(m+1,0));
  for(int i=1; i<=n; ++i)//第i 个商品品
    for(int j=m; j>=V[i]; --j)//有j个空间
        maxValue[j] = max(maxValue[j], maxValue[j-A[i-1]] + V[i-1]);
  return maxValue[m];//返回最大空间时的value
 
}