背包问题简介(动态规划)

0-1背包问题：

一个可装载重量为 W 的背包和 N 个物品，每个物品有重量和价值两个属性。其中第 i 个物品的重量为 wt[i]，价值为 val[i]，现在让你用这个背包装物品，最多能装的价值是多少？

0-1是因为物体默认不可分割，只有装进去，不装进去。

动态规划需要明确的就是状态和选择，

状态就是情景的形容，对于背包问题，需要明确的就是背包的承重和可选择的物品；

选择就是是否将当前物品放入，即放入、不放入两种选择。

之后我们需要定义一个二位数组，用于记录当前的背包状态，

dp[i][j]：其中i代表了可选择的i个物品，能装下的的总量为j，dp代表当前状态下的最大容纳价值，比如说，如果 dp[3][5] = 6，其含义为：对于给定的一系列物品中，若只对前 3 个物品进行选择，当背包容量为 5 时，最多可以装下的价值为 6。

状态转移：

如果你没有把这第 i 个物品装入背包，那么很显然，最大价值 dp[i][w] 应该等于 dp[i-1][w]，继承之前的结果。

如果你把这第 i 个物品装入了背包，那么 dp[i][w] 应该等于 dp[i-1][w - wt[i-1]] + val[i-1]。你如果装了第 i 个物品，就要寻求剩余重量 w - wt[i-1] 限制下的最大价值，加上第 i 个物品的价值 val[i-1]。

通俗来讲，就是做了一个二位数组，用来记录每个物品放入或者不放入的最大价值，行代表放入物品，列代表背包容量

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-w[i]>=0:

            dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])

        else:

            dp[i][j] = dp[i-1][j]

return dp[m][n]