动态规划——背包问题

背包问题在以前的时候自己也听过，今天做一下基本的总结；

背包问题目前接触的有两种——01背包问题和完全背包问题；

一、01背包问题：

题目描述如下：有n件物品，每件物品的重量为w[i]，价值为c[i]，现有一个容量为V的背包，问如何选取物品入背包，使得背包中的物品总价值最大，其中每一个物品都只有一件。

样例：

n=5 v=8

3 5 1 2 2 ——w[i]

4 5 2 1 3 ——c[i]

最简单的思路就是进行暴力枚举，之后进行值判断，但是时间复杂度会达到O(2^n)。

如果用动态规划的思路来做，便会轻松不少。

设立dp数组，因为有重量和价值，所以设置为二维数组。dp[i][v]代表前i件物品可以恰好装入容量为v的背包中所能够获得的最大价值。

由于有n件物品，所以可以从1开始遍历，也就是选择每件物品放还是不放。

对于每一件物品，有两种选择：

1.不放入：则dp相应值求解问题转换为前i-1件物品正好装入容量为v背包所能够获得最大利润。也就是dp[i-1][v];

2.放入：则转化为放入该A[i]物品之前的i-1件物品放入对应容量所能够获得的最大利润，也就是dp[i-1][v-w[i]]+c[i]

此时 dp[i][v]=max{dp[i-1][v],dp[i-v][v-w[i]]+c[i]}

所以获得状态转移方程。

对于dp二维数组来说，可能只看程序不太能理解这个过程。

所以举个例子并且说明几点：

1.对于dp二维数组来说，最终的一行才是整个背包的状态，前面的所有步骤都视为中间推导。

2.对于每一行，其下标作用要理解：下标i代表，如果当前背包容量为i，那么能够装入货物的最大值。

3.第i行代表第i个物品存在时，对于整个背包的影响。

举个例子，如下图所示：

对于图中的几个疑点和困惑，我做了一个思考：

思考问题：如果物件装入顺序发生变化，会不会结果不同？

思考结果：不会。最主要的原因就是每一层状态的转换方式。如核心思想所说，最主要的是i件物品放入不放入的选择，会导致dp的值不同。关键点在于：这是一个动态的转换过程。例如所给例子D，如果将D放入，则剩余的空间为4，问题就完全转换为上一层第三层C的问题，也就是在放入A、B、C的情况下，如果只有四个空间，我们该怎么放。所以这样逐层状态转换，每一层的解必定为最优解，并且不会产生冗余重复计算。并且最后一步max比较，会使得在该条件下达到两种情况的最优解，所以不是什么问题。无论后面有多少个物品想要再次放入，都会有最优解的子问题解决方法，所以不用担心。

对于空间上的优化，我们可以将二维数组变为滚动数组，从而变成一维。从整个程序的进行上来看，我们可以将每一层的循环判定的存储矩阵分为两块，dp[i-1][v],dp[i-v][v-w[i]]。也就是一部分是过去存储的最优dp值，一部分是dp[i-1][v]。所以我们可以设立一个一维数组，然后从右往左遍历，直接覆盖dp[i-1][v]。从而只需要一个固定数组就可以。从而空间负责度变为O(V)。

#include <cstdio>
#include <algorithm>
using namespace std;
const int maxn=100;
const int maxv=1000;
int w[maxn],c[maxn],dp[maxv];
void package(){
    int n,V;
    scanf("%d%d",&n,&V);
    for(int i=1;i<=n;i++){
        scanf("%d",&w[i]);
    }
    for(int i=1;i<=n;i++){
        scanf("%d",&c[i]);
    }
    for(int v=0;v<=V;v++){
        dp[v]=0;
    }
    for(int i=1;i<=n;i++){
        for(int v=V;v>=w[i];v--){
            dp[v]=max(dp[v],dp[v-w[i]]+c[i]);
        }
        printf("%d times\n",i);
        for(int i=1;i<=V;i++){
        printf("%d",dp[i]);
        }
        printf("%d\n",V);
    }
    int max=0;
    for(int v=0;v<=V;v++){
        if(dp[v]>max){
            max=dp[v];
        }
    }
    printf("%d\n",max);
}
int main(){
    package();
    system("pause");
}

二、完全背包问题：

其实完全背包问题唯一的条件改变就是将每一类物品变为无数件，从而可以反复的存取。这个问题的本质还是基于上述01背包的思想。只不过唯一不同的一点是在进行状态转换的时候略有不同。所以，和01背包不同的点也有前i件物品和前i类物品的区别。

对于完全背包问题，第i类物品选择如下：

1.不放入：则dp相应值求解问题转换为前i-1类物品正好装入容量为v背包所能够获得最大利润。也就是dp[i-1][v];

2.放入：由于物品的个数不限，所以可以重复放入，所以状态转换仍为dp[i][],为dp[i][v-w[i]]+c[i]

所以对应的状态转换也可以轻松的变为一维。

for(int i=1;i<=n;i++){
    for(int v=w[i];v<=V;v++){
        dp[v]=max(dp[v],dp[v-w[i]]+c[i]);
    }
}

对于这个状态转换，比较难以理解的在于两点：

1.如何保证添加同类商品不会导致最大值超过v，或者如何保证容量一定呢；

2.会不会因为后续的添加而导致不是最优容量值；

其实最基本的解答还是状态思想。对于每一类物品的重复加入，必定会进行max比较判断。当容量趋于满的时候，无论再怎么加入，都会发现第i类加入和不加入，dp对应的值都是恒定的，此时便会导致容量满而value恒定不变。同理，对于每一类的加入和不加入，其所比较的值都是基于上一个状态的最优解，所以同样不会牵扯到类别加入的先后。

 

以上，是对动态规划——背包问题的初步学习，如果有任何疑问和错误，请给予指正。