01背包解析

来源：http://blog.csdn.net/sj13051180/article/details/6687674

最近在做背包问题，今天写点东西总结一下。

        背包问题，常见的有三种类型：基本的0-1背包、完全背包和多重背包、二维背包 

        首先是基本的0-1背包问题。因为这里的物品一般指花瓶、玉器什么的，要么拿、要么不拿，只有0和1两种状态，所以也叫0-1背包。0-1背包虽然简单，却很重要，是“万法之源”，是其他几类问题的基础。 

        初学者有时会认为，0-1背包可以这样求解：计算每个物品的Vi/Wi，然后依据Vi/Wi的值，对所有的物品从大到小进行排序。其实这种贪心方法是错误的。如下表，有三件物品，背包的最大负重量是50，求可以取得的最大价值。 

        其实，0-1背包是DP的一个经典实例，可以用动态规划求解。

DP求解过程可以这样理解：对于前i件物品，背包剩余容量为j时，所取得的最大价值（此时称为状态3）只依赖于两个状态。

状态1：前i-1件物品，背包剩余容量为j。在该状态下，只要不选第i个物品，就可以转换到状态3。

状态2：前i-1件物品，背包剩余容量为j-w[i]。在该状态下，选第i个物品，也可以转换到状态3。

因为，这里要求最大价值，所以只要从状态1和状态2中选择最大价值较大的一个即可。 

状态转换方程：

dp( i,j ) = Max( dp( i-1, j ), dp( i-1, j-w[i] ) + v[i] )

dp( i,j )表示前i件物品，背包剩余容量为j时，所取得的最大价值。 

        还是结合上面的例子来说明吧。有三件物品，背包的最大负重量是50，求可以取得的最大价值。下图表示了DP自上而下的求解过程。

编程实现：

       一般来说，有了状态方程，直接编程实现就game over。dp( i,j )，用一个二维数组来实现，然后用一个两层循环就可以了。不过，有时选择的物品很多，背包的容量很大，这时要用二维数组往往是不现实的。这里有一个方法，可以进行空间压缩，然后使用一维数组实现。

       还是结合上面的例子，有三件物品，背包的最大负重量是5，求可以取得的最大价值。为了方面说明，物品weight依次为：1，2，3。二维数组下的求解顺序，物品数1--->n, 背包容量1--->w。如图，要使用一维数组，背包容量要采用倒序，即w--->1, 只有这样对于方程dp( j ) = Max( dp( j ), dp (j-w[i] ) + v[i] )，才能达到等式左边才表示i,而等式右边表示i-1的效果。POJ对于题目：3624。下面附代码。

        完全背包和多重背包。有了基本的0-1背包基础，下面的东西也就好理解了。 完全背包，指每个物品有无限多个。 多重背包，指每个物品的数量是有限的。当然，这时的问题不再是拿与不拿，而是拿多少的问题，当然不能超过背包容量。 

状态转换方程：

dp( i,j ) = Max( dp( i-1, j ), dp( i-1, j-k*w[i]) + k*v[i] ) ( 0 <= k <= c/ w[i] )