0-1背包问题状态转移方程之理解

0-1背包问题：背包容量为C，物体重W，对应价值为V，求装法使得背包能装最大价值。

talk is cheap，show me the code。

def beibao01(w,v,c):
    '''
    dp[i][j] = max(dp[i-1][j], dp[i-1][j-w]+v)
    dp[0][j] = 0
    dp[i][0] = 0
    i: 前i件物品
    j: 背包剩余容量
    '''
    n = len(w)
    print('total have %d things and bag container is %d' %(n,c))

    dp = [[0]*(c+1) for i in range(n)] #[[0]*(c+1)]*n,浅拷贝，就离谱

    for i in range(n): #不要也行
        dp[i][0] = 0

    for j in range(c+1):
        dp[0][j] = 0

    for i in range(1,n):
        for j in range(1,c+1):
            if j>=w[i]:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])
            else:
                dp[i][j] = dp[i-1][j]

    for i in range(n):
        for j in range(c+1):
            print(' ', dp[i][j], ' ', end='')

        print()

    return dp[n-1][c]

if __name__ == '__main__':
    weight = [0,5,4,3,2]
    value = [0,6,5,4,3]
    container = 8
    ans = beibao01(weight, value, container)
    
    print(ans)

dp[i][j]:在前i件物品可供选择的情况下，背包容量为j，从i件物品中选取任意件，使得dp[i][j]的价值为最大。

在代码段中if j>=w[i]:

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

dp[i][j]的值由上一个状态决定，若dp[i][j]结果dp[i-1][j-w[i]]+v[i]则表示，我现在把物品w[i]放入我的背包能有最大的收益，但是，从哪个状态到状态dp[i][j]会有最大收益呢？在有i-1个物品可供选择的情况下，我已经充分使用背包容量使得收益最大的情况即为所求状态，即我在有i-1个物品可选，且背包容量为 j-w[i] 的时候（定义dp[][]为有物品w个背包容量c时，一种能使价值最大的装法），我再选择装入物品w[i]，能使得dp[i][j]最大。理解为，在状态dp[i-1][j-w[i]]时，我已经时当前最优解，这时w[i]也可选了，背包还刚好扩容了w[i]，也就是当前状态为i个物品可选，背包容量为j。（自己写写能发现，dp[i-1][j],有时候还真比dp[i-1][j-w[i]]+v[i]大，不能想当然）

 

 

总结：

遇到的问题：为什么

if j>=w[i]:

    dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])，即，在我能把物品放入背包的时候我不把其放入呢？放入不显然是会使得dp[i][j]更大吗？在循环的时候，背包容量足以把w[i]放入背包，显然，把他放入背包会使dp[i][j]增大，那为什么还要比较一下w[i]不放入背包的情况呢？这不扯淡吗？（手动写了一遍，还真不扯淡）（后来想了想，当前最大不一定全局最大）。

 

咋感觉全篇都在说垃圾话。。。。。

捋清楚了以后再改吧