背包问题----动态规划

一、动态规划

动态规划算法的关键在于解决冗余，这是动态规划算法的根本目的。把问题分解成若干个子问题，然后记录下每个子问题的解，避免重复计算，再从众多子问题中选出最优解。
点击这查看上一篇动态规划详解

问题描述：给定 n 个重量为w1，w2···wn，价值为v1，v2···vn，背包的承重量为 W 。

背包问题是给定 W 重量的背包装入尽可能高价值的物品。F(i，w)：前 i 个物品，当前背包还可以装w重量。

我们可以把前 i 个物品中放入重量为 W 的背包中价值最大化问题分解成两个问题：

1. 装入背包的物品不包括第 i 个物品，F(i , w) = F(i -1 , w);
2. 装入背包的物品包括第 i 个物品，F(i , w) = F(i -1 , w - wi) + vi;

现在假设有四个物品，重量分别为 2, 1, 3, 2; 价值为 12, 10, 20, 15; 给定一个承重为 W = 5 的背包，求装入物品的最大价值是多少？

首先，根据以上步骤，可以将问题分解为：

1. F(4, 5) = max{F(3, 5), F(3, 3) + 15 };
2. F(3, 5) = max{F(2, 5), F(2, 2) + 20 };
3. F(3, 3) = max{F(2, 3), F(2, 0) + 20 };
4. F(2, 5) = max{F(1, 5), F(1, 4) + 10 };
   .
   .
   .
5. F(0, 5) = 0;
6. F(i, 0) = 0;

同样的，我们需要定义一个二维数组来保存每一个子问题的解，避免重复计算。

代码如下：

public class Main{
   
	static int[