2.1 版本1 二维
（1）状态f[i][j]定义：前 ii 个物品，背包容量 jj 下的最优解（最大价值）：
当前的状态依赖于之前的状态，可以理解为从初始状态f[0][0] = 0开始决策，有 NN 件物品，则需要 NN 次决 策，每一次对第 ii 件物品的决策，状态f[i][j]不断由之前的状态更新而来。
（2）当前背包容量不够（j < v[i]），没得选，因此前 ii 个物品最优解即为前 i−1i−1 个物品最优解：
对应代码：f[i][j] = f[i - 1][j]。
（3）当前背包容量够，可以选，因此需要决策选与不选第 ii 个物品：
选：f[i][j] = f[i - 1][j - v[i]] + w[i]。
不选：f[i][j] = f[i - 1][j] 。
我们的决策是如何取到最大价值，因此以上两种情况取 max() 。
优化成一维方式
j从小到大的话 那说明 j-v[i] 的时候已经算在了i的这里了，所以要从大到小
现在求f[j]，要用到<=j的各位数据，结合二维，如果从小到大枚举，现在算的f[ <j ]的各个数据是不是就是f[i] [ <=j ]的？
而如果从大到小枚举，现在求f[j]用到的f[ <=j ]的各个数据就是上一轮循环求的数据，即f[i-1][ <=j ]，此时i时，对应的<=j数据 还没有被得出来
在算 第i个物品的时候要保证 j-v[i] 没有算过，需要用的是i-1的时候的j的状态
