背包DP知识点

背包DP是动态规划（Dynamic Programming，简称DP）中的一种问题类型，它主要解决的是给定一个有体积限制的背包和一系列物品，每个物品有各自的体积和价值，要求选择物品放入背包中，使得背包内物品的总价值最大或满足其他特定限制条件。

背包DP问题的关键在于利用已处理子问题的结论进行下一步递推，避免重复计算。常见的背包DP类型包括01背包（每种物品只能选择一次）、完全背包（每种物品可以无限制数量选择）等。

在解决背包DP问题时，通常需要定义一个二维数组来记录状态，其中一维表示考虑前多少个物品，另一维表示当前背包的容量。然后根据问题的具体要求，通过状态转移方程来逐步求解最终答案。

背包DP问题具有广泛的应用，不仅可以用于解决传统的组合优化问题，还可以扩展到其他领域，如资源分配、任务调度等。通过学习和掌握背包DP问题的解决方法，可以提高解决复杂问题的能力。

1. 01背包问题

问题描述：给定一个固定容量的背包和一些物品，每种物品都有自己的重量和价值。在不超过背包容量的前提下，如何选择物品放入背包，使得背包内物品的总价值最大？每种物品只有一个，可以选择放或不放。

public class ZeroOneKnapsack {  
    public static int knapsack(int W, int wt[], int val[], int n) {  
        int i, w;  
        int K[][] = new int[n+1][W+1];  
          
        // Build table K[][] in bottom up manner  
        for (i = 0; i <= n; i++) {  
            for (w = 0; w <= W; w++) {  
                if (i == 0 || w == 0)  
                    K[i][w] = 0;  
                else if (wt[i-1] <= w)  
                    K[i][w] = Math.max(val[i-1] + K[i-1][w-wt[i-1]],  K[i-1][w]);  
                else  
                    K[i][w] = K[i-1][w];  
            }  
        }  
          
        return K[n][W];  
    }  
      
    public static void main(String args[]) {  
        int val[] = new int[]{60, 100, 120};  
        int wt[] = new int[]{10, 20, 30};  
        int W = 50;  
        int n = val.length;  
        System.out.println(knapsack(W, wt, val, n));  
    }  
}

. 完全背包问题

问题描述：与01背包问题类似，但每种物品都有无限个，可以选择放多个。

Java实现：

public class CompleteKnapsack {  
    public static int knapsack(int W, int wt[], int val[], int n) {  
        int i, w;  
        int K[][] = new int[n+1][W+1];  
          
        // Build table K[][] in bottom up manner  
        for (i = 0; i <= n; i++) {  
            for (w = 0; w <= W; w++) {  
                if (i == 0 || w == 0)  
                    K[i][w] = 0;  
                else if (wt[i-1] <= w)  
                    K[i][w] = Math.max(val[i-1] + K[i][w-wt[i-1]], K[i-1][w]);  
                else  
                    K[i][w] = K[i-1][w];  
            }  
        }  
          
        return K[n][W];  
    }  
      
    public static void main(String args[]) {  
        int val[] = new int[]{60, 100, 120};  
        int wt[] = new int[]{10, 20, 30};  
        int W = 50;  
        int n = val.length;  
        System.out.println(knapsack(W, wt, val, n));  
    }  
}

注意：完全背包问题和01背包问题在Java实现上看起来是相同的，这是因为它们的状态转移方程是相同的。但请注意，在实际应用中，有些完全背包问题可能会通过一维数组来优化空间复杂度，而01背包问题则通常保持二维数组的形式。