======背包问题 by iuiou======

所谓背包问题，有一个非常经典的模型：现在有n个物品，第i个物品有一个权值$e_i$，有一个费用$w_i$,每种物品只能选取1次，现你手中
  
只有m元钱，问如何选取物品才会使手中物品的权值达到最大？

简要分析：这种有代价，有选择然后取最值的题目，一般只有两种思路，一种是贪心，一种是动态规划。两者的区别我一直非常迷惑，知道看到一个大佬多写的文章。总的来说，贪心注重由固定的规律(多是能证明或者<del>显而易见</del>)由**局部**解推出最终解，**每一步都能保证前一步的答案是最优的**，而动态规划，是由每种状态的转移，来从**每一个比当前小的状态**转移出大状态的解。并不能保证前一个状态的结果是最优的，所以要遍历所有情况。其实就相当于找一种方法来遍历所有情况，而其核心在于初始化和转移。

回到这题，<del>既然放在动态规划肯定是动态规划啦</del>，这个题目明显找不到一个确定的谈心策略，能保证每一步都是最优的，<del>至少我看不出来，所以考虑动态规划。
</del>

**核心转移**：$dp[m]=\max(dp[m],dp[m-w_i]+e_i)$

上面这个式子太显然了没啥好说的，$dp[i]$表示i元钱能得到的最大权值，然后有花费和赚。

循环：
<code c++>
	for(int i=1;i<=n;i++)
	{
		for(int j=v;j>=a[i];j--)
		{
			dp[j]=max(dp[j],dp[j-a[i]]+a[i]);
		}
	}
</code>

上面是01背包，每个物品选一次。

   *可重背包：只需要改成
<code c++>
	for(int i=1;i<=n;i++)
	{
		for(int j=a[i];j<=v;j--)
		{
			dp[j]=max(dp[j],dp[j-a[i]]+a[i]);
		}
	}
</code>

   *多重背包：即限定了每种的个数，可以考虑转化为01背包，把相同的看成一个，还可以采用二进制分组的方法，简化复杂度。

   *分组背包：有许多组，每组有若干个，每组只能选一个。最外面枚举组别，考虑在最里面一层再加入一个循环判断选这个组哪个物品。

   *有依赖背包：即选一个必选依附的那一个，转化状态即可，将不同的状态看成物品，即加入选b或选c就要选a，可以直接转化为只选a，只选a和b，只选a和c，选则a,b,c这样四种情况，分别看作一种物品，做分组背包即可。

背包问题大致就上面这些,还有都是这些问题的变式，也大致基于上面所说的核心转移方程。