大话背包问题一（01背包）

背包问题是动态规划的一个大类，我将写一个系列的博客，来讲解背包问题的基础形式（我比较菜，所以也就写写基础）

本文看起来比较长，因为我写的比较像大白话，小白建议看看。

一、01背包问题

题目特点：从几种物品中选取，放入限定容量的背包内，使得总价值最大。其中每种物品只有一个，要么选，要么不选。（即选的件数要么为0要么为1，称01背包问题）具体的题目以及输入输出如下：

输入样例： 

4 5
1 2
2 4
3 4
4 5

输出样例

8

 分析：

动态规划，其实有点像递推，但是比递推难。他的核心在于状态表示和转移方程。

状态表示

我们可以用一个数组f[i][j]来表示只看前i个物品，在总体积是j的情况下，总价值最大是多少。

那么，题目要求在背包容量为V的条件下，从N件物品中选取物品使得的总价值最大，状态表示应为f[N][V].

那怎么确定f[N][V]是多少呢？我们可以从f[0][0]开始，一步一步递推 ，最终得到f[N][V].

说到递推，大家就想到肯定得有个递推方程。在动态规划问题中，叫做状态转移方程。

状态计算

我们在进行状态计算之前，先得对状态做一个划分，这个划分必须考虑到所有的状态。由于是一步一步推的，我们推到第i行第j列时，只需考虑在当前状态下（背包容量为j），要不要选择第i件物品。（因为之前的物品，在推到那一列时，已经考虑过了要不要选它）.即对于f[i][j]来说，他存在以下两种状态：

也因为我们是一步一步递推的，所以推到后面，前面状态的值是已经知道了的，因此我们求解的思路就在于如何用之前的状态来表示当前状态，这也是递推的思路。

即推到f[i][j]时，存在以下情况：

① 不选第 i 个物品：那此时选取物品的最大价值和同体积下前 i-1 个物品最大价值是一样的，因为i确定不选了嘛。                                         因此，这种情况f[i][j] = f[i-1][j].

② 选择第 i 个物品：如果选择第 i 个物品，那么我们能不能用前i-1件物品的式子推来呢？是可以的。因为你确定要选择i了，那背包至少要用的容量来装第i件物品。那就还剩体积为大小的背包装前件物品。前件物品用体积为的大小来装，最大价值为f[i-1][j-v[i]]，这个值在推第i行时是已经确定了的。那加上第i件物品的价值，此时最大价值即为f[i-1][j-v[i]] + w[i].                          即：f[i][j] = f[i - 1][j - v[i]] + w[i].

那还得思考一个问题，到底第i个物品是选还是不选呢？很简单，我们求的是最大价值，那你只需要取看二者的最大值即可。因此：                f[i][j] = max(①, ②);

递推还需考虑起始状态。初始时没有物品，无论背包多大，总价值肯定为0。因此，数组需要将第0行初始化为0.我们从第1行开始推即可（因为后一行需要用前一行的数据）.

下面来看代码：

#include <iostream>
using namespace std;

const int N = 1010;

int n, m;
int v[N], w[N];
int f[N][N];

int main()
{
    cin >> n >> m;
    for(int i = 1; i <= n; i++)
    {
        cin >> v[i] >> w[i];
    }
    // 这里需要先初始化再开始递推，由于我们开的是全局数组，存在静态存储区，会自动初始化为0.
    // 如果不是，还是需要初始化的，将第0行赋值为0即可.
    for(int i = 1; i <= n; i++)
    {
        for(int j = 0; j <= m; j++)
        {
            f[i][j] = f[i-1][j];
            if(j >= v[i]) 
            {
                // j>v[i]时再考虑选第i件物品的情况
                // 因为只有j大于v[i]时，才有可能选取第i件物品，不然装不去。
                f[i][j] = max(f[i][j], f[i-1][j-v[i]] + w[i]);
            }
        }
    }
    cout << f[n][m] << endl;
    return 0;    
}