动态规划的经典问题————背包问题（一）

最近在学习DP，从背包问题入门，这里记录下一些学习心得：

01背包

01背包是最基础的背包问题，一个体积为V的背包，要装N个物品，每个物品有体积c,价值w两种属性, 要求装入物品总价值最大。

用i表示第i个物品，这个物品的体积为$c_i$，价值为$w_i$，j表示当前已装入背包的物品总体积，$dp[i][j]$表示在装入第i个物品时，背包已装物品总体积为j时的物品总价值。

动态规划问题的分析关键在于分析递推的过程，问题必须满足一个状态可以从另一个状态中推导出来。这里的状态就是$dp[i][j]$，它完全可以由$dp[i-1][j-c_i]$决定，因为01背包中每个物品只有装入或者不装入两种情况，装入第i个物品的结果，仅由装入第i-1个物品的结果决定：要么装入i，要么不装入。状态转移方程为$dp[i][j] = max{dp[i-1][j-c_i]+w_i, dp[i-1][j]}$。

这里考虑优化空间复杂度，i的变化完全可以用循环的变量表示，用一维数组是否能够实现原先的状态转移呢？答案是可以，状态转移方程为$dp[j] = max{dp[j-c_i]+w_i, dp[j]}$。

这里发现，花括号中的$dp[j-c_i]$和$dp[j]$对应的是之前$dp[i-1][j-c_i]$和$dp[i-1][j]$的值，那么在转移方程中，即装入第i个物品的时候，$dp[j-c_i]$和$dp[j]$必须是装入第i-1个物品时的结果。每次遍历都是在将当前值更新成装入第i个物品的结果，如果顺序遍历j，状态转移方程中，下标大的值受小的值影响，此时下标大的值可能受更新后的结果影响，这就违背了原意，所以我们倒序遍历，就可以用一维数组完成状态转移。

这里又分为刚好装满，以及不完全装满两种情况。

1. 要求刚好装满
   初始化一维数组时，仅将$dp[0]$初始化为0，其余均初始化为负无穷
2. 可以不完全装满
   将一维数组全部初始化为0

至于原因，很简单：我们知道$dp[V]$就代表了物品总体积刚好等于背包总体积的情况，但是如果一维数组全部初始化是0，意味着不管能不能恰好装满背包，$dp[V]$都是有值的。如果只置$dp[0]$为0，其余为$-∞$，那么只有恰好完全装满时，$dp[V]$才有值，否则为$-∞$。

参考资料：

• 王道机试指南；
• http://blog.sina.com.cn/s/blog_150cffdab0102w0g9.html