题目描述：
解题思路：
整体思路：
利用动态规划，其目的就是将原问题分解成几个子问题，通过求解简单的子问题，把原问题给解决，就比如斐波那契数列方程：
f[i]=f[i-1]+f[i-2];
动态规划的核心就是找到原问题与子问题的关系，并列出动态转移方程。
实现方法：
这里我们可以定义一个二维数组，dp[i][j]表示对于背包容量为j的背包，前i个物品的最优解，即最大价值。
对于一个物品，可以分两种情况：
不选：对于dp[i][j]，不选第i个物品时，dp[i][j]的最优解就是dp[i-1][j]的最优解
选：如果选择，我们就让背包容量减去第i件的物品体积，让dp加上物品价值，即dp[i][j]=dp[i-1][j-v[i]]+w[i];
这样我们就得到了状态转移方程，如果要计算对于前N个物品背包容量为V的背包的最优解，只需要一层一层往前推，通过前面的子问题，求得最终答案。
状态转移方程:
dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i]);
代码和注释：
#include <iostream>
using namespace std;
int dp[1010][1010];
int v[1010],w[1010];//体积和价值
int main(){int N,V;int i,j;//输入数据cin>>N>>V;//商品个数和背包容量for(i=1;i<=N;i++){cin>>v[i]>>w[i];//体积和价值}for(i=1;i<=N;i++)//依次遍历从第1个物品到第N个物品{for(j=1;j<=V;j++)//依次遍历从0~背包容量V{if(j<v[i])//如果背包容量小于物品体积{dp[i][j]=dp[i-1][j];//最优解就是上一个物品时的最优解}else//否则就是背包容量大于等于物品体积{dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i]);//拿或者不拿，选最优}}}cout<<dp[N][V]<<endl;//输出前N个商品,背包容量为V的最优解return 0;
}参考自：https://blog.csdn.net/q1411687596/article/details/104827473
