动态规划之01背包问题思路详细讲解

作为一名大一学生，在近期了解完01背包问题后，深感01背包理解之艰，故作此博客与诸君皆看完视频头疼者分享学习心得，望与诸君共勉。

01背包：有n种重量或价值不同的物体，此时有每种物体1个。此时用一个容量为m的背包去装这些

物体，问能装到的最大价值为多少？

首先给一组样例：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

下方weight【i】value【i】为物体i的重量与价值

按照动态规划的五部曲，同时结合样例，来开始我们的分析吧

1、DP数组的含义

dp[i][j] 表示从下标为[0-i]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。

i，j，以及dp[i][j]所存的值便包含了每个物体，背包容量，而物体的重量与价值也间接的与j，dp[i][j]

挂钩

要时刻记着这个dp数组的含义，下面的一些步骤都围绕这dp数组的含义进行的

2.确定递推公式（最重要的一步）

先大概做个二维数组看下：

由dp[i][j]的定义中“下标为[0到i]的物品”易得dp[2][4]便是我们要求的最终值，显然不可能一步得到我们梦寐以求的最大值，所以我们需要从考虑用某种逻辑在其他方面来变相的得到该值

以本例的最终值dp[2][4]为例，首先以物品二的上面几行为基准，他们表示在下标为【0到1】的物品中对应不同j值是取得的最大值，但本体最终是要扩充到下标为【0到2】的物品中去，所以我们可以得到如下表达式：（因为dp数组中i的定义为[0到i],并不是说第i行就必须会被选中，所以此时物体2便有两种状态）

     不放物品2：

• dp[2][4]由dp[1][4]推出，即背包容量为4，里面不放物品2的最大价值，此时dp[2][4]就是dp[1][4]。其实就是a.当物品i的重量大于背包j的重量b.单纯不装（后面代码中会有相应对应点）时，物品i无法放进背包中，所以背包内的价值依然和前面相同。
• 放物品2：
• 由dp[1][0]]推出，dp[1][0]+value[2]为背包容量为0的时侯放物品2的最大价值，那么dp[1][0]]就是背包放物品2得到的价值
• 同理，上面得到的dp[1][4]，dp[1][0]也可以由相同的逻辑由其上一行推出直至不可推

因为求背包值的最大值，所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

同时我们也不难得出一个浅显的结论，每一个被推出的值都是由其上一行正上方或左上方得到的

3.确定dp数组的初始值以及遍历 顺序（第二重要的事情）

首先搞清楚为什么要设置初值，因为一直向上递推总要推至不可再推才能中止得值

由dp数组的定义可得到第一行的每个值，很好理解，第一列也可视为放不下物品i是由递推式dp[i - 1][j]得到，因为背包容量为0真的装不下

遍历顺序：因为由上述分析得下一行总由上一行得出，所以我们一行一行来递推，直到最后一行，得到最后一格对应得最终值

for(int i = 1; i < weight.size(); i++) { // 遍历物品
    for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
        if (j < weight[i]) dp[i][j] = dp[i - 1][j];
        else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

    }
}

因为第一行已经初始化，所以从第一行开始遍历

其中第二个for循环下的条件便是我们上述所提再顺带提一嘴为什么每一行得每个j值对应得方格值都要得到，是因为每一行得下一行中不会预先得知weight【i】的值，这也导致dp[i - 1][j - weight[i]]中j - weight[i]未知，所以每一行得每个j值对应得方格值都要得到

4、最终代码

void test_2_wei_bag_problem1() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    int bagweight = 4;

    // 二维数组
    vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));

    // 初始化
    for (int j = weight[0]; j <= bagweight; j++) {
        dp[0][j] = value[0];
    }

    // weight数组的大小 就是物品个数
    for(int i = 1; i < weight.size(); i++) { // 遍历物品
        for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
            if (j < weight[i]) dp[i][j] = dp[i - 1][j];
            else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

        }
    }

    cout << dp[weight.size() - 1][bagweight] << endl;
}

int main() {
    test_2_wei_bag_problem1();
}

最后解释的一点：因为每一步递推的上一步已经求得了最大值，所以最后一定为最大值板上钉钉

背包最大重量为4。

一些本人觉得还不错的视频讲解网址：0.51 P@X.mQ Oxf:/ 01/07 动态规划中的经典01背包问题你清楚嘛？搞懂它再刷题！ # 前端开发工程师# JavaScript# 编程# 程序员# web前端# 前端# 前端开发 https://v.douyin.com/iFPS3q61/ 复制此链接，打开Dou音搜索，直接观看视频！

看完觉得有用点个赞吧，也希望本人能早日获得圆圆的芳心