对01背包问题动态规划的理解

/* 0-1 背包：动态规划 */
int knapsackDP(vector<int> &wgt, vector<int> &val, int cap) {
int n = wgt.size();
// 初始化 dp 表
vector<vector<int>> dp(n + 1, vector<int>(cap + 1, 0));
// 状态转移
for (int i = 1; i <= n; i++) {
for (int c = 1; c <= cap; c++) {
if (wgt[i - 1] > c) {
dp[i][c] = dp[i - 1][c];// 若超过背包容量，则不选物品 i
} else {
// 不选和选物品 i 这两种方案的较大值
dp[i][c] = max(dp[i - 1][c], dp[i - 1][c - wgt[i - 1]] + val[i - 1]);
}
}
}
return dp[n][cap];
}

关键步骤理解（核心代码）：

dp[i][c] = max(dp[i - 1][c], dp[i - 1][c - wgt[i - 1]] + val[i - 1])

核心代码原理:首先是dp[i - 1][c]，意思是如果不装第i个物品，那么总价值就是之前第i-1的价值。

然后就是要明确，wgt[i-1]代表的是第i个物品的重量。

dp[i - 1][c - wgt[i - 1]] + val[i - 1]代表的是，如果装第i个物品，首先假设只有它自己在里面，要算他自己的价值val[i - 1]，其次再看看剩余了多少重量：c - wgt[i - 1]，然后对照着物品的表格，查看当前剩余的重量，在前一个物品的记录下，所对应的最优解，以此可以看出全局的最优解。