动态规划--背包问题的另一种通俗理解（C++）

动态规划的入门可以先看这篇文章:动态规划入门

背包问题是动态规划中最经典的一个问题，要是比较难的一个问题。

题目：

有一个背包，它的容量为C（Capacity），现在有n种不同的物品，编号为0…n-1，其中每一件物品的重量为w（i），价值为v（i）。问可以向这个背包中盛放哪些物品，使得在不超过背包容量的基础上，物品的总价值最大。

别看下面我讲的了，只用看下面这个视频就好了，讲的非常清楚！
背包问题解析

题目解析：

变量： C（容量） i（第i个物品） w(i) （第i件物品的重量） v(i)(第i件物品的价值)
要求：
(1) w(0)+w(1)+…w(i-1)<=C
(2)v(0)+v(1)+…v(i-1)价值最大【 (2) v(0)+v(1)+…v(i-1)> v(0)+v(1)+…v(i-2)（错误）】
因为i代表是第i个物品，而第一个物品的编号是0，所以注意最后下表要减一

思想理解：
注意：题目中说让物品的总价值最大，并不是说尽最大可能把背包装满同时不超过最大容量就行，而是尽可能挑选出那些高性价比（低容量高价值）的优先装。为了使背包里的价值最大，有些物品需要放进去，有些物品不需要放进去，因为有些物品可能会因为重量大价值又小使得性价比太低，比如背包容量是5，有5个价值为10重量为1的物品，还有一个价值为1容量为5的物品，如果选择了将后者放到背包里，就放不进去其他物品，导致最终的价值极低。

看了很多百度的回答解释，几乎都是这么分类：
1.不放第i个物品，此时总价值为F(i-1，C)
2.放置第i个物品，此时总价值为v(i)+F(i-1,C-w(i))

所以，状态转移方程设成了这个样子：

理解这个方程真是费了老半天劲了！
这里起初有很多疑问:
i个物品放进容量为C的背包怎么可能等于i-1个物品放进容量为C的背包？
答：i代表是总共i个物品。当最后的第i个物品放不进去的时候，i个物品的价值就等于i-1个物品的价值。

如果是装不下了那第二个等于后面公式就是能装下的，能装下为什么是那样？
对，第二个不是能装下，而是必须装这第i个物品，装了之后再看剩下的空间装剩下的i-1个物品。

后期这两个等式进行比大小有什么意义？很明显只要容量够后面一定大于前面啊？
有意义，两者比较的是，不装第i个物品的价值和必须装第i个物品然后加上从剩下的空间里得出的最大价值。不装第i个物品的总数量i-1和装第i个物品之后的总数量i-1不是同一个东西。

有个大佬这么跟我解释：
这么分类的思想是利用递归，自顶向下的角度来看这个问题，也就是说，第n次放进去的物品可以影响第n-1次，但是第n-1次是不能影响第n次。

但是我还是有点想不通，于是换了一个思路：

接下来注意听我说：
不要看截图里面的解释，仅仅作为参考。
我们重新换一种新的理解：
F（n, C）表示从n件物品中，组合出x件（物品数量x可以大于n也可以小于n）价值最大且容量不超过C的物品放到背包中。、

接下来寻找这些变量之间的一个等价关系。

这个等价关系应该怎样理解呢？注意听：

等式左边 F（i，c）表示从i件物品中挑出容量不小于c的组合的最大价值，它可能等于从i-1件物品中挑出容量不小于c的组合的最大价值，也就是说根本不用从i件物品里面选最大价值,没有你加入的最新的i件，同样可以挑出最大价值组合。

它也有可能等于，首先在最大价值组合里面，一定要把第i次挑出来的产品放进去。那这样，这个最大价值组合的其他元素只能在i-1件物品里面挑选容量之和不大于c-w(i)的物品，因为第i次挑选物品的确定，导致影响了在i-1件物品的挑选，所以出现F（i-1，c-w(i)）,在i-1件物品中挑选出容量不大于c-w(i)的物品。

右边的两种情况，非常非常巧妙的利用了挑选物品一定算第i次挑选的物品和一定不算第i次挑选的物品这对互斥关系。最后从这两种组合中选出价值最大的那一个作为从i件物品中挑出的组大价值。

有了这个等价关系，接下来就是用递归–>记忆化递归–>动态规划的思想了，如果不明白这个套路可以看我之前的文章：5道题动态规划入门

首先最简单的递归：

#include <iostream>
#include <vector>
#include <cassert>
using namespace std;

/// 时间复杂度: O(n * C) 其中n为物品个数; C为背包容积
/// 空间复杂度: O(n * C)
class Knapsack01{
   
private:
    int bestValue(const vector<int> &w, const vector<int> &v, int index, int c){
   
       //递归的结束条件
        if(c <= 0 || index < 0)
            return 0;
        
        //第i个物品一定不放进最大价值组合里，此时的最大价值
        int res = bestValue(w, v, index - 1, c );
        //max的第二个参数就是一定选择第i个参数的情况
        if(c >= w[index])
        res = max(res, v[index] + bestValue(w, v, index - 1, c - w[index]));
        return res;
    }

public:
	//从这里开始看
	//w代表重量集合，v是对应的价值集合，C是容量
    int knapsack01