01背包问题

01背包

有 N 件物品和一个容量为 V 的背包，每件物品有各自的价值且只能被选择一次，要求在有限的背包容量下，装入的物品总价值最大。

「0-1 背包」是较为简单的动态规划问题，也是其余背包问题的基础。

动态规划是不断决策求最优解的过程，「0-1 背包」即是不断对第 i 个物品的做出决策，「0-1」正好代表不选与选两种决定。

f[i][j] 状态表示：

集合： 所有只从前i个物品中选，且总体积不超过j的选法的集合 ，

属性 ：最大价值max

f[i, j]状态计算：

集合划分：

划分依据：以第i个物品 选 or 不选 进行划分，

• 当选择第i个物品的时候：子集中的所有选法的价值最大即为f[i-1][j-v[i]] + w[i]，

• 当不选择第i个物品的时候：子集中所有选法的价值最大即为f[i-1][j]。

整个集合的最大值为以上两者 取一个max 即可。

如何写代码

版本1 二维
（1）状态f[i][j]

• 当前的状态依赖于之前的状态，可以理解为从初始状态f[0][0] = 0开始决策，有 N 件物品，则需要 N 次决 策，每一次对第 i 件物品的决策，状态f[i][j]不断由之前的状态更新而来。

（2）当前背包容量不够（j < v[i]），没得选，因此前 i 个物品最优解即为前 i−1 个物品最优解：

• 对应代码：f[i][j] = f[i - 1][j]。

（3）当前背包容量够，可以选，因此需要决策选与不选第 i 个物品：

• 选：f[i][j] = f[i - 1][j - v[i]] + w[i]。
• 不选：f[i][j] = f[i - 1][j] 。
• 我们的决策是如何取到最大价值，因此以上两种情况取 max() 。

时间复杂度：

$O(nm)$

代码：

#include<bits/stdc++.h>

using namespace std;

const int N = 1005;
int v[N];    // 体积
int w[N];    // 价值 
int f[N][N];  // f[i][j], j体积下前i个物品的最大价值 

int main() 
{
    int n, m;   
    cin >> n >> m;
    for(int i = 1; i <= n; i++) 
        cin >> v[i] >> w[i];

    for(int i = 1; i <= n; i++) 
        for(int j = 0; j <= m; j++)
        {
            if(j < v[i]) //  当前背包容量装不进第i个物品，则价值等于前i-1个物品
                f[i][j] = f[i - 1][j];
            else // 能装，需进行决策是否选择第i个物品   
                f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }           

    cout << f[n][m] << endl;

    return 0;
}

运用滚动数组将二维优化成一维，等价变形

#include<bits/stdc++.h>
using namespace std;

const int N = 1010;
int n,m;
int v[N],w[N];
int f[N];

int main()
{
    cin>>n>>m;
    for(int i=1;i<=n;++i) cin>>v[i]>>w[i];
    for(int i=1;i<=n;++i)
    {
        for(int j=m;j>=v[i];--j)
        {
            f[j]=max(f[j],f[j-v[i]]+w[i]);
        }
    }
    cout<<f[m]<<endl;
    return 0;
}