动态规划-01背包-详解

动态规划，我都能看懂版

最近在学习动态规划的算法，能力有限，着实是有点难到我了，所以准备把自己的想法记录下来方便以后来复习。

定义

其实，在我看来，动态规划其实和迭代很相似，都是通过小问题一步步求解到最终问题的过程。每一次小问题的解又是下一个问题的必备条件，这样就能把复杂的问题，通过解决一个个小问题而得到最终答案。

最简单的案例（斐波那契数列）

相信斐波那契数列或者说兔子序列大家都不会陌生，从第3个数开始，f(n)=f(n-1) + f(n-2)。那其实很多时候我们都是通过递归来解决问题的。

#递归
#include <iostream>
using namespace std;
int dg(int n) {
	// 触底要开始回归，否则继续递进
	if (n == 1 || n == 2) {
		return 1;
	} else {
		return dg(n - 1) + dg(n - 2);
	}
}

但是，我的小破本本儿通过递归运行求解的话，大概到dg(30)就需要三四秒了，这就让我很好奇，递归那么难以理解的内容，我学会了，结果他的效率就这么低下？
为了找到为什么那么慢，于是我在草纸上画了一下递归的过程！噢！原来递归这么墨迹！例如这里才递进三次，就有四个dg(26)的值重复求解了。

好好好，那么动态规划算法怎么做呢？这就涉及到动态转移方程和dp数组了。我理解的动态转移方程就是小问题跟大问题的关系，其实我刚刚写的就是动态转移方程。
那么，这里我们还是通过数组的形式再写一遍：
dp[n] = dp[n - 1] + dp[n - 2]
在这里，有一个很重点很重点地方我们需要理解，那就是dp[n]到底代表了什么。在这个题目中，dp[n]代表着斐波那契数列第n个数，是不是很简单？嘿嘿~一会儿你就不这么觉得了。
那么，代码呈上！

#include <iostream>
using namespace std;
int main () {
    // 获取需要求解的是第几个数
    int n;
    cin >> n;
    // 假定我们最多求解第100个数，那么我们定义dp数组
    int dp[101];
    // 这里，我们需要给上初始值
    dp[1] = 1;
    dp[2] = 1;
    // 好了，根据动态转移方程，从第3个元素开始填充dp数组
    for (int i = 3; i <= n; i++) {
        dp[i] = dp[i - 1] + dp[i - 2];
        cout << dp[i] << " ";
    }
    
}

好了，这个例子很简单，主要是学习动态规划的思路。那么接下来就是经典的背包问题。

01背包

题目：
有一个小偷，他带着容量为v的背包去偷东西，摆在他面前的是n样东西（每一个东西都只有一件），它们都有自己的体积和价值，求解小偷能拿取的最大价值。
输入： 第一行有2个整数，分别是v，n 接下来的n行分别是每一样东西的体积和价值、 输入样例：
70 3
71 100
69 1
1 2
输出样例： 3

好了，我已经很努力的简化题目了。这一题乍一看，根本无从下手，但是我想了想，好像是可以有暴力算法的，既然每一件物品都只有一件，那么每一件物品的状态就可以分为：拿或者不拿，那么，我们把n件物品，2^n的情况都遍历一遍，筛去超体积的情况，那然后留下最大值就可以求解到。emmmm，复杂度有点高啊！

动态规划怎么去定义dp数组呢，dp数组又是什么意思呢？这个过程，我觉得是动态规划最难的地方，这里我们需要定义一个二维数组dp[i][j]，而dp[i][j]则代表了从第1件物品到第i件物品中选取，装到容积为j的背包里时，最大价值。【这里比较难理解，但是理解了以后其实就解决问题了】。很多大佬都是选择使用表格的形式来解释这个问题，所以我们就也一样！看图！

好了，是不是开始头大了，表格有什么用啊！我get不到啊！不着急，看似表格让问题更复杂了，实则不然。我们知道了每一格的意义，那么横向来看，其实每一行都是在决定是否要拿去该行对应的物品。

而这又分为两种情况，第一种是情况是背包容量不够，所以不拿，那么这一格的内容就应该是从第0个物品到第i-1个物品中挑选放到容量为j的背包中的最大价值，这一步的理解很重要！第i个不拿，可不就是从0~i-1个中拿呗！

第二种情况则是，背包容量够了！完了，这又得分两种情况，我是拿还是不拿，那么这个时候就得价值来说话了， 价值更高则拿，否则我就不拿呗。

那么这里就需要有一个计算和判断了。如果，我拿了，那么背包空间必定还得重新分配，分配吗？嘿嘿，不需要，别忘了，之前我们是从空间为1物品为1的情况往下做的，所以剩下空间能拿的最大值已经在表格中了，所以，如果拿的话，总价值应该是该物品的价值（即第i件物品的价值）加上剩余空间能装的最大价值。

不拿的话，和背包容量不够同理。计算完成，那么就需要从两种情况中取价值比较大的那种情况填入即可。

好了，分析了那么久，动态转移方程出来了。

【觉得啰嗦可以跳过本段】首先，我们来看dp[i - 1][j]，根据dp数组的含义，我们理解为容积为j的背包装1~i - 1物件情况下，最高价值。这不就是不拿第i件物品的情况嘛！！接着，我们看dp[i - 1][j - vol[i]]，说明一下，vol[i]是指第i件物品所占空间，那么j - vol[i]不就是把第i件物品放进了背包，那么空间减少了，同样的需要加上val[i]即第i件物品的价值。那么dp[i-1][j - vol[i]]这个不就可以理解为背包剩余空间装1 ~ i - 1物品的最高价值。

ok，到目前为止，我们分析完了dp数组的含义和动态转移方程，剩下就是最简单的代码部分了。

#include <iostream>
#include <cstring>
using namespace std;
int main () {
//  有一个小偷，他带着容量为v的背包去偷东西，摆在他面前的是n样东西（每一个东西都只有一件），它们都有自己的体积和价值，求解小偷能拿取的最大价值。
//	输入：
//	第一行有2个整数，分别是v，n
//	接下来的n行分别是每一样东西的体积和价值、
//	输入样例：
//	70 3
//	71 100
//	69 1
//	1 2
//	输出样例：
//	3
	int v, n;
	cin >> v >> n;
	// 定义物品价值、所占空间的数组还有dp数组,数组长度取决于n即物品的件数
	int val[100], vol[100], dp[100][100];
	// 将dp数组全部赋零，因为当背包空间为0，或者从0件物品开始拿，价值最高就是0
	memset(dp, 10000, 0);
	for (int i = 1; i <= n; i++) {
		cin >> vol[i] >> val[i];
	}
	
	// 开始遍历dp数组并开始赋值
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= v; j++) {
			// i代表物品编号，j代表背包空间
			// 做第一层判断，背包空间是否能够装下第i件物品
			if (j >= vol[i]) {
				// 空间够的情况下，取价值高的那情况
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - vol[i]] + val[i]);
			} else {
				// 空间不够，直接选择不拿第i件物品
				dp[i][j] = dp[i - 1][j];
			}
		}
	}
	// 输出空间为v，取所有n件物品的值，即题目要求的答案
	cout << dp[n][v];
}

好了，01背包问题，二维数组的解法就完成了。

接下来就是一维数组的解法了。我们知道，二维数组的时候我们需要记录的不仅有背包的容量，还有物品的编号，其实，物品的编号是可以省略的，那么此时数组的下标就只表示了背包的容量。

一维数组的解法其实和二维本质是一样的，只不过节省了一些存储的空间。物品编号虽然不再以下标的形式体现，但是我们写代码的时候依然还是用两层for循环来进行嵌套，第一层循环的变量i依然表示的是物品编号，j依然表示的是背包的容量。

这个时候，我们还需要再回头来看动态转移方程

我们发现一维数组看似是没有办法来拿到这个dp[i - 1][j]这个数据的，这该怎办？

这时候，我们来解读一下我们的代码

// 开始遍历dp数组并开始赋值
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= v; j++) {
			// i代表物品编号，j代表背包空间
			// 做第一层判断，背包空间是否能够装下第i件物品
			if (j >= vol[i]) {
				// 空间够的情况下，取价值高的那情况
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - vol[i]] + val[i]);
			} else {
				// 空间不够，直接选择不拿第i件物品
				dp[i][j] = dp[i - 1][j];
			}
		}
	}

不难发现，这里的代码是一行一行的进行dp二维数组的填充，我们如果用一维数组的话，dp数组其实代表的是之前二维数组的每一行。

那么我们在一个一个元素填充的时候，未填充的部分就是上一行的内容【这一步很重要，我们需要好好揣摩一下这句话】

所以不拿第i件物品时的最高价值，就是dp[j]，因为如果我不修改这里的数值，那么它就是上一行的数值，即dp[i-1][j]的值。

现在需要解决一个问题，那就是dp[i - 1][j - vol[i]] + val[i]这个值该怎样来获取，重点在于dp[i - 1][j - vol[i]]，首先因为这是上一行的内容，所以我们得从dp数组这一行没有修改过的地方来拿，又看到这里j要减去第i件物品的占用空间，所以我们第二层循环需要dp数组从后往前来填入。

好了，接下来看代码

#include <iostream>
#include <cstring>
using namespace std;
int main () {
//  有一个小偷，他带着容量为v的背包去偷东西，摆在他面前的是n样东西（每一个东西都只有一件），它们都有自己的体积和价值，求解小偷能拿取的最大价值。
//	输入：
//	第一行有2个整数，分别是v，n
//	接下来的n行分别是每一样东西的体积和价值、
//	输入样例：
//	70 3
//	71 100
//	69 1
//	1 2
//	输出样例：
//	3
	int v, n;
	cin >> v >> n;
	// 定义物品价值、所占空间的数组还有dp数组,数组长度取决于n即物品的件数
	int val[100], vol[100], dp[100] = {0};
	for (int i = 1; i <= n; i++) {
		cin >> vol[i] >> val[i];
	}
	
	// 开始写循环进行数组的赋值
	for (int i = 1; i <= n; i++) {
		for (int j = v; j > 0; j--) {
			// i代表物品编号，j代表背包空间
			// 做第一层判断，背包空间是否能够装下第i件物品
			if (j >= vol[i]) {
				// 空间够的情况下，取价值高的那情况
				dp[j] = max(dp[j], dp[j - vol[i]] + val[i]);
			} else {
				// 空间不够，直接选择不拿第i件物品
				dp[j] = dp[j];
			}
		}
	}
	// 输出空间为v，取所有n件物品的值，即题目要求的答案
	cout << dp[v];
}

这篇是我对01背包的解题详解，可能有些过于详细，读者可能需要自己真正的读读题，写一写代码，理解关键思路。如果有问题，欢迎大家私信交流。