Jul 23, 2023 · Mar 21, 2023 · Jul 6, 2023 · Jul 23, 2023 · Jul 23, 2023 · Jul 23, 2023
diff --git a/problems/背包理论基础01背包-1.md b/problems/背包理论基础01背包-1.md
Original file line number	Diff line number	Diff line change
Expand Up		@@ -338,6 +338,64 @@ public class BagProblem {

		```

	```java
	import java.util.Arrays;

	public class BagProblem {
	public static void main(String[] args) {
	int[] weight = {1,3,4};
	int[] value = {15,20,30};
	int bagSize = 4;
	testWeightBagProblem(weight,value,bagSize);
	}

	/**
	* 初始化 dp 数组做了简化(给物品增加冗余维)。这样初始化dp数组,默认全为0即可。
	* dp[i][j] 表示从下标为[0 - i-1]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。
	* 其实是模仿背包重量从 0 开始,背包容量 j 为 0 的话,即dp[i][0],无论是选取哪些物品,背包价值总和一定为 0。
	* 可选物品也可以从无开始,也就是没有物品可选,即dp[0][j],这样无论背包容量为多少,背包价值总和一定为 0。
	* @param weight 物品的重量
	* @param value 物品的价值
	* @param bagSize 背包的容量
	*/
	public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){

	// 创建dp数组
	int goods = weight.length; // 获取物品的数量
	int[][] dp = new int[goods + 1][bagSize + 1]; // 给物品增加冗余维,i = 0 表示没有物品可选

	// 初始化dp数组,默认全为0即可
	// 填充dp数组
	for (int i = 1; i <= goods; i++) {
	for (int j = 1; j <= bagSize; j++) {
	if (j < weight[i - 1]) { // i - 1 对应物品 i
	/**
	* 当前背包的容量都没有当前物品i大的时候,是不放物品i的
	* 那么前i-1个物品能放下的最大价值就是当前情况的最大价值
	*/
	dp[i][j] = dp[i - 1][j];
	} else {
	/**
	* 当前背包的容量可以放下物品i
	* 那么此时分两种情况:
	* 1、不放物品i
	* 2、放物品i
	* 比较这两种情况下,哪种背包中物品的最大价值最大
	*/
	dp[i][j] = Math.max(dp[i - 1][j] , dp[i - 1][j - weight[i - 1]] + value[i - 1]); // i - 1 对应物品 i
	}
	}
	}

	// 打印dp数组
	for(int[] arr : dp){
	System.out.println(Arrays.toString(arr));
	}
	}
	}

	```

		### python
		无参数版
		```python
Expand Down