就目前所遇到的01背包与完全背包作总结。
01背包
有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weighti，得到的价值是valuei 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。
二维dp数组01背包
动规五部曲
1.确定dp数组以及下标的含义
dpij 表示从下标为0-i的物品里任意取，放进容量为j的背包，价值总和最大是多少。
2.确定递推公式
- 不放物品i：由dpi - 1j推出，即背包容量为j，里面不放物品i的最大价值，此时dpij就是dpi - 1j。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)
- 放物品i：由dpi - 1j - weight\[i]推出，dpi - 1j - weight\[i] 为背包容量为j - weighti的时候不放物品i的最大价值，那么dpi - 1j - weight\[i] + valuei （物品i的价值），就是背包放物品i得到的最大价值
所以递归公式： dpij = max(dpi - 1j, dpi - 1j - weight\[i] + valuei);
3.dp数组如何初始化
首先从dpij的定义出发，如果背包容量j为0的话，即dpi0，无论是选取哪些物品，背包价值总和一定为0。
状态转移方程 dpij = max(dpi - 1j, dpi - 1j - weight\[i] + valuei); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。
dp0j，即：i为0，存放编号0的物品的时候，各个容量的背包所能存放的最大价值。
那么很明显当j < weight0的时候，dp0j 应该是 0，因为背包容量比编号0的物品重量还小。
当j >= weight0时，dp0j 应该是value0，因为背包容量放足够放编号0物品。
其实从递归公式： dpij = max(dpi - 1j, dpi - 1j - weight\[i] + valuei); 可以看出dpij 是由左上方数值和左方数值推导出来了，那么 其他下标初始为什么数值都可以，因为都会被覆盖。
但只不过一开始就统一把dp数组统一初始为0，更方便一些。
4.确定遍历顺序
先遍历物品与先遍历背包均可。虽然两个for循环遍历的次序不同，但是dpij所需要的数据就是左上角（包括左与正上），根本不影响dpij公式的推导！
5.举例推导/打印dp数组
一维数组（滚动数组）
滚动数组的由来，需要满足的条件是上一层可以重复利用，直接拷贝到当前层。
动规五部曲
1.确定dp数组的定义
在一维dp数组中，dpj表示：容量为j的背包，所背的物品价值可以最大为dpj。
2.一维dp数组的递推公式
dpj为 容量为j的背包所背的最大价值，那么如何推导dpj呢？
dpj可以通过dpj - weight\[i]推导出来，dpj - weight\[i]表示容量为j - weighti的背包所背的最大价值。
dpj - weight\[i] + valuei 表示 容量为 j - 物品i重量 的背包 加上 物品i的价值。（也就是容量为j的背包，放入物品i了之后的价值即：dpj）
此时dpj有两个选择，一个是取自己dpj 相当于 二维dp数组中的dpi-1j，即不放物品i，一个是取dpj - weight\[i] + valuei，即放物品i，指定是取最大的，毕竟是求最大价值。
3.一维dp数组如何初始化
dpj表示：容量为j的背包，所背的物品价值可以最大为dpj，那么dp0就应该是0，因为背包容量为0所背的物品的最大价值就是0。
那么dp数组除了下标0的位置，初始为0，其他下标应该初始化多少呢？
看一下递归公式：dpj = max(dpj, dpj - weight\[i] + valuei);
dp数组在推导的时候一定是取价值最大的数，如果题目给的价值都是正整数那么非0下标都初始化为0就可以了。
4.一维dp数组遍历顺序
与二维dp的写法，遍历背包的顺序是不一样的！
二维dp遍历的时候，背包容量是从小到大，而一维dp遍历的时候，背包是从大到小。
倒序遍历是为了保证物品i只被放入一次！。但如果一旦正序遍历了，那么物品0就会被重复加入多次！从后往前循环，每次取得状态不会和之前取得状态重合，这样每种物品就只取一次了。
那么问题又来了，为什么二维dp数组遍历的时候不用倒序呢？
因为对于二维dp，dpij都是通过上一层即dpi - 1j计算而来，本层的dpij并不会被覆盖！
再来看看两个嵌套for循环的顺序，代码中是先遍历物品嵌套遍历背包容量，那可不可以先遍历背包容量嵌套遍历物品呢？
不可以！
因为一维dp的写法，背包容量一定是要倒序遍历，如果遍历背包容量放在上一层，那么每个dpj就只会放入一个物品，即：背包里只放入了一个物品。
倒序遍历的原因是，本质上还是一个对二维数组的遍历，并且右下角的值依赖上一层左上角的值，因此需要保证左边的值仍然是上一层的，从右向左覆盖。
5.举例推导dp数组
完全背包
有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weighti，得到的价值是valuei 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。
二维数组
动规五部曲
1.确定dp数组以及下标的含义
dpij 表示从下标为0-i的物品里任意取任意件，放进容量为j的背包，价值总和最大是多少。
2.确定递推公式
- 不放物品i：由dpi - 1j推出，即背包容量为j，里面不放物品i的最大价值，此时dpij就是dpi - 1j。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)
- 放k件物品i：
- 参考：【超精细!】动态规划---完全背包问题全面解读！！_哔哩哔哩_bilibili
所以递归公式：dpij = max(dpi-1j, dpi j - weight\[i] + valuei); //同层取n件
3.dp数组如何初始化
首先从dpij的定义出发，如果背包容量j为0的话，即dpi0，无论是选取哪些物品，背包价值总和一定为0。
状态转移方程 dpij = max(dpi-1j, dpi j - weight\[i] + valuei); 可以看出i 是由 i-1 和同一层之前 推导出来，那么i为0的时候就一定要初始化。
dp0j，即：i为0，存放任意件编号0的物品的时候，各个容量的背包所能存放的最大价值。
那么很明显当j < weight0的时候，dp0j 应该是 0，因为背包容量比编号0的物品重量还小。
当j >= weight0时，dp0j 应该是dp0j = dp0j-weight\[0]+value0; //多次选取，因为背包容量放足够放多件编号0物品。
其实从递归公式： **dpij = max(dpi-1j, dpi j - weight\[i] + valuei);**可以看出dpij 是由左上方数值和左方数值推导出来了，那么 其他下标初始为什么数值都可以，因为都会被覆盖。
但只不过一开始就统一把dp数组统一初始为0，更方便一些。
4.确定遍历顺序 在代码中使用了先物品后背包
先遍历物品与先遍历背包均可。虽然两个for循环遍历的次序不同，但是dpij所需要的数据就是左上角（包括左与正上），根本不影响dpij公式的推导！
因为物品有无限个所以内层循环可以正序遍历重复放入。
再来看看两个嵌套for循环的顺序，代码中是先遍历物品嵌套遍历背包容量，那可不可以先遍历背包容量嵌套遍历物品呢？
可以！
在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！因为两个for循环都是正序遍历，物品有无数个，先遍历物品与先遍历背包得到的结果是相同的，所以遍历顺序可以改变。因为dpj 是根据 下标j之前（左边）所对应的dpj计算出来的。 只要保证下标j之前的dpj都是经过计算的就可以了。
5.举例推导/打印dp数组
java
package day62;
import java.lang.*;
public class day62{
public static void main (String[] args) {
int n = 4;
int w = 5;
int[][] dp = new int[n][w+1];
int [] weight = new int []{1,2,3,4};
int [] value = new int []{2,4,5,6};
for (int j = weight[0]; j <= w; j++) {
dp[0][j] = dp[0][j-weight[0]]+value[0]; //多次选取
}
for(int i = 1 ; i< n ; i++){
for(int j = 1; j <= w; j++){
if (j - weight[i] >= 0) dp[i][j] = Math.max(dp[i-1][j], dp[i][j-weight[i]] + value[i]);
else dp[i][j] = dp[i-1][j];
}
}
// 打印dp数组
for (int i = 0; i < n; i++) {
for (int j = 0; j <= w; j++) {
System.out.print(dp[i][j] + "\t");
}
System.out.println("\n");
}
System.out.println(dp[n-1][w]);
}
}一维数组
动规五部曲
1.确定dp数组的定义
在一维dp数组中，dpj表示：容量为j的背包，所背的物品价值可以最大为dpj。
2.一维dp数组的递推公式
dpj为 容量为j的背包所背的最大价值，那么如何推导dpj呢？
dpj可以通过dpj - weight\[i]推导出来，dpj - weight\[i]表示容量为j - weighti的背包所背的最大价值。
dpj - weight\[i] + valuei 表示 容量为 j - 物品i重量 的背包 加上 物品i的价值。（也就是容量为j的背包，放入物品i了之后的价值即：dpj）
此时dpj有两个选择，一个是取自己dpj 相当于 二维dp数组中的dpi-1j，即不放物品i，一个是取dpj - weight\[i] + valuei，即放物品i，指定是取最大的，毕竟是求最大价值，
3.一维dp数组如何初始化
dpj表示：容量为j的背包，所背的物品价值可以最大为dpj，那么dp0就应该是0，因为背包容量为0所背的物品的最大价值就是0。
dp数组在推导的时候一定是取价值最大的数，如果题目给的价值都是正整数那么非0下标都初始化为0就可以了。
这样才能让dp数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。
4.一维dp数组遍历顺序
因为物品有无限个所以内层循环可以正序遍历重复放入。
再来看看两个嵌套for循环的顺序，代码中是先遍历物品嵌套遍历背包容量，那可不可以先遍历背包容量嵌套遍历物品呢？
可以！
在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！因为两个for循环都是正序遍历，物品有无数个，先遍历物品与先遍历背包得到的结果是相同的，所以遍历顺序可以改变。因为dpj 是根据 下标j之前（左边）所对应的dpj计算出来的。 只要保证下标j之前的dpj都是经过计算的就可以了。
5.举例推导/打印dp数组