问题概述：
0-1背包是在n件物品取出若干件放在空间为V的背包里，每件物品的体积为v[ i ]，与之相对应的价值为w[ i ],要求在不超过背包空间的情况下，得到的物品的价值总和最大，问这个最大值是多少？
问题分析：
遇到这类问题，我们有两种思路：
1.对一个物品考虑选或不选（站在物品的角度）
2.枚举选哪个（站在选的角度）
而0-1背包是个经典的选或不选思想的代表，我们首先从回溯的角度来分析该问题，假设我们选第i个物品，那么在选择剩下的i-1个物品时，剩余空间是capacity-v[i],得到的总价值+w[i]，如果不选第i个物品，那么空间和价值都不会变化，由上面的分析可得到状态转移方程为
dfs(i，j)=max{dfs(i - 1 , j) , dfs(i - 1 , j - v[ i ] )+w[ i ]}
（这里面的i代表前i个元素，就代表剩余的空间，返回的是所得到的最大价值）
递归边界条件：i<0时，没有物品可供选择，返回0
j<v[i]时，即剩余空间不够存放该物品，只能返回前i - 1个物品所得的最大值
递归入口：dfs(n-1，capacity)，n-1是最后一个元素的下标
回溯代码如下
int ZeroOne(int i, int capacity, int v[], int w[])//这里的v[]和w[]记录物品的体积和价值
{
if (i < 0)//代表没有物品可以选择
return 0;
if (capacity < v[i])//物品体积大于容器的体积，直接返回前i-1个物品的最大价值
return ZeroOne(i - 1, capacity, v, w);
//选择第i个物品，那么在选择前i-1个物品时，体积为capcity-v[i]
//不选第i个物品，那么在选择前i-1个物品时，体积为capacity不变
//选取两者的较大值
return fmax(ZeroOne(i - 1, capacity, v, w), ZeroOne(i, capacity - v[i], v, w) + w[i]);
}当然，我们也可以用一个二维数组记忆化搜索减少时间复杂度，这里就不写了，留给读者当做练习，不会转化的可以看看之前Leetcode---350周赛的第三题，这题比那题简单，不用状态压缩
翻译成递推：
递推的主要方程就是：f[ i ][ j ]=max{ f[i-1][j]，f[i-1][ j - v[i] + w[i] ] } 等价于之前回溯用的方程，数组的初始化看回溯的边界条件，当没有物品时f[ 0 ][ j ]=0，也就是把数组的第一行赋值为0，代码如下
//转化成递推
int Max(int a,int b){
return a>b?a:b;
}
int ZeroOne(int n, int capacity, int v[], int w[]) {
int f[n+1][capacity+1];//注意数组的大小
memset(f,0,sizeof(f));
for (int i = 0; i < n; i++) {
for (int j = 0; j <= capacity; j++) {
if (j < v[i])
f[i + 1][j] = f[i][j];
else
f[i + 1][j] = Max(f[i][j], f[i][j - v[i]] + w[i]);
}
}
return f[n][0];
}动态规划思想
刚刚通过回溯思想逆向得到，上面这段代码，那么如果我们直接将这道题当作动态规划，又该如何思考呢？
分为三个步骤：
1.确定数组含义：f[i][j]代表前i个物品，j个空间大小所能获得的最大价值和-----这里f数组的含义得靠做题积累，目前我还没找到什么比较好的方法来直接确定数组含义
2.找到状态转移方程：f[ i ][ j ]=max{ f[i-1][ j ]，f[i-1][ j-v[ i ] ]+w[ i ] } j>=v[i]
f[ i ][ j ]=f[i-1][ j ] j<v[i]
方程的来历：这里我们在确定了数组含义之后，就要根据它来找到所谓的转移方程，很显然，f[i][j]得由前i-1个物品得到的最大值和第i个物品选不选共同决定如果选，f[i][j]=f[i-1][j-v[i]]+w[i]如果不选，f[i][j]=f[i-1][j]，题目要求找最大值，所以我们取较大值，当然要考虑到空间小于物品大小的情况
(很多人都有这样一个疑惑，为什么这里f[i][j]只和f[i-1][ ]有关，也有可能和f[i-2][ ]有关啊？这里就有一点要明确：一定要弄懂自己定义的数组含义，f[i-1][j]代表的就是前i-1个物品，j个空间大小所能获得的最大价值和，也就是说前i-2个物品的情况已经被包含在f[i-1][]中了，我们就没有必要考虑i-1之前的状态了)
3.数组初始化：当没有物品选择时，f[0][j]=0，即数组第一行赋值为0
代码如下
int Max(int a,int b){
return a>b?a:b;
}
int ZeroOne(int n, int capacity, int v[], int w[]) {
int f[n+1][capacity+1];//注意数组的大小
memset(f,0,sizeof(f));//这里调用库函数直接将数组全部赋值为0
for (int i = 0; i < n; i++) {
for (int j = 0; j <= capacity; j++) {
if (j < v[i])
f[i + 1][j] = f[i][j];
else
f[i + 1][j] = Max(f[i][j], f[i][j - v[i]] + w[i]);
}
}
return f[n][0];
}启发：其实你会发现和之前回溯转递推的代码一样，但是这其中的思维过程却是大相径庭，一般人哪能想到这个dp数组的含义，但是回溯不同，它更容易想，更符合我们的思维模式，这边建议做动态规划题时可以先用回溯想一想
LeetCode---350周赛的第四题
好，接下来，我们用0-1背包解决一下，没看过的小伙伴可以先去我之前的Leetcode---350周赛解析看看该题的一般思路，再来感受感受0-1背包的写法
根据题意得：付费刷的墙+免费刷的墙>=总墙数，免费刷的墙=付费刷墙所需要的时间
假设付费刷了3堵墙，那么不等式变为
3+time0+time1+time2>=n（time0，time1，time2分别是3堵墙的需要的刷墙时间）
(time0+1)+(time1+1)+(time2+1)>=n，这不就是共有n个物品，每个物品的体积是time[i]+1，价值是cost[i]，要求所选物品的体积和>=n，需要的最小价值和
代码如下
#define MIN(x,y) ((x)>(y)?(y):(x))
//以下的全局变量是为了减少dfs函数的参数，使得逻辑更清晰，当然将它们作为参数也是可以的
int*Cost;
int*Time;
int**memo;
int dfs(int i,int j){
if(j<=0)return 0;
if(i<0)return INT_MAX/2;//方案非法，返回一个答案范围之外的较大值，不影响后面的取值
if(memo[i][j]!=-1)
return memo[i][j];
return memo[i][j]=MIN(dfs(i-1,j),dfs(i-1,j-1-Time[i])+Cost[i]);
}
int paintWalls(int* cost, int costSize, int* time, int timeSize){
int n=costSize;
Cost=cost;
Time=time;
memo=(int**)malloc(sizeof(int*)*n);
for(int i=0;i<n;i++){
memo[i]=(int*)malloc(sizeof(int)*(n+1));
for(int j=0;j<n+1;j++){
memo[i][j]=-1;
}
}
int res = dfs(n-1,n);
for(int i=0;i<n;i++)
free(memo[i]);
free(memo);
return res;
}转换成递推：
#define MIN(x,y) ((x)>(y)?(y):(x))
#define MAX(x,y) ((x)>(y)?(x):(y))
int paintWalls(int* cost, int costSize, int* time, int timeSize){
int n=costSize;
int f[n+1][n+1];
memset(f,0,sizeof(f));
for(int i=1;i<n+1;i++){
f[0][i]=INT_MAX/2;
}
for(int i=0;i<n;i++){
for(int j=0;j<=n;j++){
//这里注意要将j-1-time[i]和0作比较，如果它小于0，它的状态和0的状态一样
f[i+1][j]=MIN(f[i][j],f[i][MAX(0,j-1-time[i])]+cost[i]);
}
}
return f[n][n];
}
//优化空间复杂度
int paintWalls(int* cost, int costSize, int* time, int timeSize){
int n=costSize;
int f[n+1];
f[0]=0;
for(int i=1;i<n+1;i++)
f[i]=INT_MAX/2;
for(int i=0;i<n;i++){
for(int j=n;j>=1;j--){
f[j]=MIN(f[j],f[MAX(0,j-1-time[i])]+cost[i]);
}
}
return f[n];
}最后，不要忘记点赞评论加收藏哦！！！！
