算法学习 - 01背包问题（动态规划C++）

动态规划

我在上一篇博客里已经讲了一点动态规划了，传送门：算法学习 - 动态规划(DP问题)(C++)

这里说一下，遇到动态规划应该如何去想，才能找到解决办法。

最主要的其实是要找状态转移的方程，例如上一篇博客里面，找的就是当前两条生产线的第i个station的最短时间和上一时刻的时间关系。

minTime(station[1][i]) = minTime(station[1][i-1] + time[i], station[2][i-1] + time[i] + trans[i-1])

今天要讲的问题是01背包问题。

01背包是在M件物品取出若干件放在空间为W的背包里，每件物品的体积为W1，W2……Wn，与之相对应的价值为P1,P2……Pn。

求解这个背包能装的最大价值。（物体不能分割）。

这个其实比上一道题难在哪里了呢？
难在上一题装配线始终是两个，不会多，不会少。我们变化的量只有装配站的多少。

这个题目变化的量一个是物品的数量，还有一个是背包的空间。就是说装配线不会随着station的多少而变化，但是背包的空间会随着物品的装入而变化。

所以我们需要做的是判断当背包剩余的空间为j的时候，能否装入第i个物品，并且总价值增加。
即：

d[j] = max ( d[j], d[j-v[i]] + w[i]); //v[i]表示第i个物品的体积，w[i]表示第i个物品的价值。

其实我最开始看到上面这个状态转移的方程的时候，觉得这不是肯定的在空间j的时候放入物品，价值大于不放入物品的。毕竟只要放入就证明增加了价值啊。

其实不是这个样子的，因为只有在最开始都没有装入的时候，所有的都是0. 装入就一定价值增加。但是假如我们的物品如下：

物品1：空间 2 价值 5
物品2：空间 4 价值 3

当我们放入第一件物品的时候，假设背包空间是5，那么d[2…5]都是为 5. 因为d[0…1]空间不够所以为0。当我们放入物品2的时候，d[5] = 5 > d[5 - 4] + 3 因为d[1] = 0;。

发现了没有！并不是放入就一定总价值增加！

所以我们遍历所有物品，从第一个物品开始，找当空间为j的时候，装入物品是否会增加价值！

代码其实行数很少，不好看那些写了两个屏幕的，可能并没有更多的功能。

//
//  main.cpp