【算法】01背包

简介：

背包问题可以描述为：给定⼀组物品，每种物品都有⾃⼰的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最⾼。

---

我们看一个01背包的例子：

例如：有一个背包体积为5

我们有非常多的选择方案，
但价值最多的方案只有选择体积为4的2号物品才可以得到最大价值，虽然背包没有装满。

那么01背包的意思是什么呢？
所有的物品只有1份，取走就是0份，所以理解为01背包。
反之，若是所有物品都是无限份，那么就是完全背包。

例题：

题目链接：01背包。

思路：

第一问：

按照动态规划的套路来走，分为

1. 确定状态表示：
2. 确定状态转移方程：
3. 初始化：
4. 确定填表顺序：
5. 返回答案

我们先尝试使用一般的思路进行解决，以某一位置为结尾进行分析。
dp[i]：在前i个物品中挑选，所有的选法中最大的价值。
以上边的状态表示分析转移方程是得不到的。
原因在于：

---

所以我们通常面对01背包问题会有一个比较通用的状态表示：

dp[i][j] 表⽰：从前 i 个物品中挑选，总体积不超过 j ，所有的选法中，能挑选出来
的最⼤价值。

分析状态方程：

初始化：
我们多加⼀⾏，⽅便我们的初始化，此时仅需将第⼀⾏初始化为 0 即可。
因为根据我们的状态转移方程，i == 0就是没有物品时，理所当然价值为0。
那么需不需要多加一列呢？为了方便我们可以多加一列，避免了下标的不对应。

填表顺序：
分析一下状态方程即可得到大方向是由上到下即可。

第二问：

与第一问几乎一样，但需要改几个点。
注意：由于dp[i][j]可能存在非法的情况，也就是并没有体积==j时的情况，我们将这种情况设置为-1。
为什么不设置为0？状态方程那会有分析。

dp[i][j] 表⽰：从前 i 个物品中挑选，总体积== j ，所有的选法中，能挑选出来的最⼤价值。

分析状态方程：

初始化：
我们多加⼀列，由状态表示得：无论由几个物品，但是我们都需要==j，因此都填为0。
也要多加一行，也是由状态表示得:从 j > 0 开始，由于物品始终为0的缘故，所以都是非法情况，故都为-1。

填表顺序：
分析一下状态方程即可得到大方向是由上到下即可。

代码：

#include <iostream>
#include <vector>
#include <cstring>

using namespace std;

int main() 
{
    // 第一问
    // 初始化dp表与w和v数组
    int n, V;
    cin >> n >> V;
    vector<int> w(n + 1);
    vector<int> v(n + 1);
    vector<vector<int>> dp1(n + 1, vector<int>(V + 1));
    for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];
    // 填表
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= V; j++)
        {
            dp1[i][j] = dp1[i-1][j];
            if (j >= v[i])
            {
                dp1[i][j] = max(dp1[i][j], w[i] + dp1[i-1][j-v[i]]);
            }
        }
    }
    cout << dp1[n][V] << endl;
    // 第二问
    vector<vector<int>> dp2(n + 1, vector<int>(V + 1));
    for (int i = 1; i <= V; i++) dp2[0][i] = -1;
    // 填表
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= V; j++)
        {
            dp2[i][j] = dp2[i-1][j];
            if (j >= v[i] && dp2[i-1][j-v[i]] != -1)
            {
                dp2[i][j] = max(dp2[i][j], w[i] + dp2[i-1][j-v[i]]);
            }
        }
    }

    cout << (dp2[n][V] == -1 ? 0 : dp2[n][V]);

    return 0;    
}

优化：

利用滚动数组来进行空间优化。
当我们填表的位置为红圈时，对钩为我们可能会用到的位置，因此，我们可以使用一行数组进行优化空间，每次覆盖式的填充。

注意：
这样我们就需要从右往左进行优化，避免造成覆盖。
另外，优化的代码我们可以直接在源代码中进行修改，只需将dp表中的横坐标全部删掉即可！

#include <iostream>
#include <vector>
#include <cstring>

using namespace std;

int main() 
{
    // 第一问
    // 初始化dp表与w和v数组
    int n, V;
    cin >> n >> V;
    vector<int> w(n + 1);
    vector<int> v(n + 1);
    vector<int> dp1((V + 1));
    for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];
    // 填表
    for (int i = 1; i <= n; i++)
        for (int j = V; j >= v[i]; j--)
            dp1[j] = max(dp1[j], w[i] + dp1[j-v[i]]);
    cout << dp1[V] << endl;
    // 第二问
    vector<int> dp2(V + 1);
    for (int i = 1; i <= V; i++) dp2[i] = -1;
    // 填表
    for (int i = 1; i <= n; i++)
        for (int j = V; j >= v[i]; j--)
            if (dp2[j-v[i]] != -1)
                dp2[j] = max(dp2[j], w[i] + dp2[j-v[i]]);

    cout << (dp2[V] == -1 ? 0 : dp2[V]);

    return 0;    
}

完~