【动态规划】01背包的压缩

关于二维数组的空间压缩问题（滚动数组）：

当我们使用二维数组时，dp数组为—— dp[i][j] = max(dp[i-1],dp[i-1][j-weight[i]] + value[i])，dp[i][j]的含义是从0-i个物品中选择能装入容量为j的最大物品价值。

其中分为两种情况

• 当不选择当前物品时，那么dp[i]的价值就是前一个物品的价值
• 当选择当前物品时，dp[i]的价值就是容量为j-weight[i]的背包可装入的最大价值再加上当前物品的价值

由该二维数组的公式可以推出每一次的最大价值都是由上一次——也就是dp[i-1]决定的，故此处可考虑省去二维，降为一维。

可得此时的一维数组的递推公式为：

dp[j] = max(dp[j],dp[j-weight[i]] + value[i])

为了再循环推导的过程中使得后面的值不会被前面的值覆盖，那么就需要从后往前遍历——即背包的容量从大往小遍历。

总结：实际上dp[j]代表的就是每一列（即每一种背包的最大价值）

解释：

	weight	value
1	1	15
2	3	20
3	4	30

          

dp[i][j]	0	1	2	3	4
物品1	0	15	15	15	15
物品2	0	15	15	20	35
物品3	0	15	15	20	35

这是对应着二维数组

若是一维数组——则应如下图所示👇

下面分情况讨论几种不同的顺序导致的dp数组的不同错法：

• 正常写法（从右往左遍历）

i=0  dp[j]   

0	1	2	3	4
0	15	15	15	15

• 错误写法（从左往右遍历）

i=0 dp[j]

0	1	2	3	4
0	15	30	45	60

这种顺序会累加前面算过的值

• 错误写法（背包容量循环在外层，物品循环在内层）

 j=0 dp[j]

这种写法每次只能遍历一个物品，相当于背包中有且仅有一个物品！！

综上证明：

外层循环是物品，内层是背包容量，且按照从大到小顺序推导。

（注：本文部分内容参考公众号：代码随想录）