vector<vector<int>> dp(K + 1, vector<int>(crystal_masses.back() + 1, 0)); 用更简单的方法，低级的语言，重写这段c++代码

这段 C++ 代码中的 `vector<vector<int>> dp(K + 1, vector<int>(crystal_masses.back() + 1, 0))` 是用于动态规划的二维数组初始化，它创建了一个大小为 `(K+1) x (crystal_masses.back() + 1)` 的矩阵，并将所有元素初始化为 0。这个数组用于存储拆分水晶的不同组合和数量时的最大质量。

如果要用更简单的语言解释，我们可以想象一个表格，它的列代表了可能的分组数量（从 0 到 K），行则代表剩余的水晶总质量（从 0 到最大的水晶质量）。对于每个位置 (i, j)，dp[i][j] 就是前 i 个水晶能分成 j 份且每份质量尽可能大的情况。

这里用 Python 代码做一个简化版的模拟，虽然不如 C++ 简洁，但更容易理解：

# 定义一个列表列表，用于存放结果
dp = [[0] * (crystal_masses[-1] + 1) for _ in range(K + 1)]

# 初始化第一个元素（没有水晶）
for i in range(1, K + 1):
    dp[i][0] = 1

# 逐个添加水晶到动态规划表中
for crystal in crystal_masses:
    for j in range(K, 0, -1):  # 从K开始倒序遍历，因为我们要找最大质量
        for k in range(crystal, dp[j][0] + 1):  # 可能的最大质量和当前水晶比较
            dp[j][k] = max(dp[j][k], dp[j - 1][k - crystal] + crystal)
            dp[j][k] = max(dp[j][k], dp[j][k])  # 没有加当前水晶也是一种选择

# 输出每份水晶的最大质量
max_crystal_weight = dp[K][0]
for i in range(1, K + 1):
    print(max_crystal_weight // i)

这部分代码实现了同样的功能，不过是在Python环境下。