我正在参加「掘金·启航计划」
前言
--
动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。
问题描述
01背包问题是一个经典的算法问题，简单来说就是一个包要装许多水果，水果有体积和大小两个属性，怎么把包装满价值最大（最值钱）。 专业描述问题：有N件物品和一个容量为v的背包，第i件物品的体积是ci，价值是wi，求将那些物品怎么装进背包使价值总和最大。 注意：物品只能取一次或者不取，不能多次获取
原理
--
代码语言：javascript复制f(i,c) = math.Max( f(i-1,c),(f(i-1,c-w[i]) v[i])) //取最大值枚举第i个物品，选还是不选
- 选：容量减少了wi
- 不选：剩余容量不变
然后需要考虑在剩余容量为c的情况下，从前i个物品中能得到的最大价值和。
- 不选：在剩余容量为c时，从前i-1个物品中获得最大价值和
- 选：在剩余容量为c-wi的时候，从前i-1个物品中获取最大价值和 最终取两者的最大值
案例
--
背包的最大容量为6，其他物品信息如下：
体积
价值
葡萄
2
3
矿泉水
3
5
西瓜
4
6
根据背包容量从0-6以及物品，初始化表格。
第0行在任何容量体积下，没有任何物品，所以都为0，即前0个物品装进背包的价值都为0 。 对于第0列来说，因为背包容量为0，所以任何物品都不能装进背包，所以价值都为0，即第0列数据都为0。虽然是第0行第0列，但是都是在各自限制条件下的最优解。
- 分析第一行第一列的单元格 在背包容量最大为1的条件下，对前一种物品取舍选择后获得的最大价值。在考虑单元格的时候需要进行判断：新纳入考量的物品是否超过背包的总容量。第一行第一列这里新纳入的物品为葡萄，葡萄的体积（2）大于背包体积（1），所以放不进去。 我们已经计算出不考虑葡萄时候，最大价值为0 ，此时我们的最优解继承自其上方单元格也就是（0，1）的值
- 分析第一行第二列的单元格 在背包容量最大为2的条件下，对前一种物品取舍选择后获得的最大价值。此时物体体积等于背包体积，此时不能继承上方单元格的值，也就是不能继承（0，2）的数据。此时需要比较两种数据的大小：
- 不考虑新纳入物品（也就是说不考虑此时葡萄获得的最优解），这个最优解为上方单元格的最优解（第0个物品在背包体积为2的情况的最优解：0）
- 背包容量为2的情况下，对前一种物品取舍选择后获得的最大价值，此时刚好可以放进背包，那么问题就变成了背包容量为0的情况下对前一种物品取舍选择后获得的最大价值 当前物品的价值（此时为葡萄
