01背包问题

参考链接：

1. 总结——01背包问题 （动态规划算法）
2. 01背包问题

问题描述

有 n 件物品，每件物品的重量为 w[i]，价值为 c[i]。现有一个可承载的最大重量为 V 的背包，问如何选取物品放入背包，使得背包内的物品的总价值最大。注意：每种物品都只有一件。

解析

1. 面对每个物品，我们只有两种选择：拿与不拿；
2. 声明一个二维数组m[i][j]，m[i][j] 表示在面对（注意这里是面对这件物品，不一定要拿它）第 i 件物品，且背包容量为 j 时所能获得的最大价值；
   1. 当 j < w[i] 时，背包容量不足以放下这件物品，只能选择不拿，此时面对第 i 件物品做出决策后的背包的价值为 m[i][j] = m[i-1][j]；i-1 表示上一次选完的价值，而此次决策后因为没有拿物品，所以 j 没有变化；
   2. 当 j >= w[i] 时，背包容量可以放下这件物品。此时要考虑的是放入这件物品以后，背包的价值是不是可以获得更大价值（因为此时背包容量变大了，之前选的物品可以重新调整，也许选出来的物品总价值更大）。
      1. 如果拿取，则背包的价值为 m[i][j] = m[i-1][j-w[i]] + c[i]；i-1 表示在决策了上一件物品后的价值，而这个价值还与背包的容量有关，因为要考虑 j - w[i]，此时要拿取这件物品，所以必须容量必须预留出 w[i] 大小，得出这个价值以后，加上 c[i] 则为拿取这件物品后的背包总价值；
      2. 如果不拿取，则背包的价值为 m[i][j] = m[i-1][j]；与背包放不下这个物品的情况相同；
      3. 比较拿与不拿的情况下，背包的价值哪个更大。

综上所述，可以得到一个状态转移方程如下：

if (j >= w[i])
    m[i][j] = max(m[i-1][j-w[i]]+c[i], m[i-1][j]);
else
    m[i][j] = m[m-i][j];

示例

价值数组c[] = {8, 10, 6, 3, 7, 2}，与之对应的重量数组w[] = {4, 6, 2, 2, 5, 1}，求背包可承载最大重量V = 12时背包最大价值为多少？

解答如下：
根据以上的分析，可以列出如下表格：第一行为（0 ~ 12）表示背包的容量V从0累加到12；第一列（1 ~ 6）表示第几个物品的重量，得出的值为m[i][j]；表格如下：

0	1	2	3	4	5	6	7	8	9	10	11	12
1	0	0	0	8	8	8	8	8	8	8	8	8
2	0	0	0	8	8	10	10	10	10	18	18	18
3	0	6	6	8	8	14	14	16	16	18	18	24
4	0	6	6	9	9	14	14	17	17	19	19	24
5	0	6	6	9	9	14	14	17	17	19	21	24
6	2	6	8	9	11	14	16	17	19	19	21	24

表格数值解析（横向）：

1. 背包容量为0时，价值为0，这里不计入讨论；
2. 考虑第1件物品，重量为4，因此在背包容量从1递增到3时，背包价值均为0；直到背包容量递增到4时，此时第1件物品可以放入，因此背包价值为8，此后背包容量再继续递增，由于目前只有第1件物品可以考虑，因此后面容量再大，背包的价值依然为8；
3. 考虑第2件物品，重量为6，因此背包容量在1~3时，背包价值均为0；
   1. 在背包容量递增到4时，此时可以考虑的物品有第1件和第2件，因此第2件物品放不下时，还可以选择第2件放进去，因此背包容量为4~5时，背包的价值和只考虑第1件物品的价值是一致的，均为8；
   2. 当背包的容量递增到6时，此时依然选择放第1件物品，剩余容量为2，放不了其他物品（第2件物品重量为6，放不进去），背包的价值为8；但如果放第2件物品，剩余容量为0，放不了其他物品（第1件物品重量为4），此时背包价值为10。明显放第2件物品价值更高，因此背包容量为6时，最大价值为10；
   3. 背包容量依次递增，从6递增到10时，最大价值均为9；
   4. 当背包容量递增到10，此时可以发现，两件物品刚好放得下，此时背包最大价值为18；
   5. 背包容量递增至12时，情况如与容量为10相同。
4. 考虑第i件物品的情况如上依次类推；

如果以上的方式比较难懂的话，换个方向考虑一下，纵向的数值填写思路如下：

1. 背包容量为0时，价值为0，这里不计入讨论；
2. 当背包容量为1时，从头到尾（表格为从上至下）考虑物品是否能够放入。发现只有第6件物品的重量符合，因此其他物品的情况下，背包价值均为0，第6件物品的情况下，背包价值为2；
3. 当背包容量为2时，从第1件物品考虑，1、2件物品的重量太大，无法放入，因此它们对应的情况下的背包价值为0；当考虑第3件物品时，发现刚好可以放入，此时背包价值为6；依次考虑第4件物品，第4件物品的重量也为2，因此放第3件或者第4件的价值都是一样的，均为6；考虑第5、第6件物品时，发现5、6物品都无法放下背包，但因为前面可以放3或4了，所以5、6物品对应的价值为6（这两种情况相当于只放物品3或物品4）；
4. 背包容量依次递增，价值推算如上类推即可。

由此可以得出，整个问题的最优解为二维数组的最后一个元素，即最大价值为24，此时对应的有多重选择方案。

代码如下：

#include <iostream>
#include <cstring>

using namespace std;

const int N=15;
 
int main()
{
    int v[N]={0,8,10,6,3,7,2};
    int w[N]={0,4,6,2,2,5,1};

    int m[N][N];
    int n=6,c=12;
    memset(m,0,sizeof(m));
    for(int i=1;i<=n;i++) {
        for(int j=1;j<=c;j++) {
            if(j>=w[i])
                m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
            else
                m[i][j]=m[i-1][j];
        }
    }

    for(int i=1;i<=n;i++) {
        for(int j=1;j<=c;j++) {
            cout<<m[i][j]<<' ';
        }
        cout<<endl;
    }
    
    return 0;
}

运行后打印如下：

root@root:~/Workspace/MyTest# ./a.out 
0 0 0 8 8 8 8 8 8 8 8 8 
0 0 0 8 8 10 10 10 10 18 18 18 
0 6 6 8 8 14 14 16 16 18 18 24 
0 6 6 9 9 14 14 17 17 19 19 24 
0 6 6 9 9 14 14 17 17 19 21 24 
2 6 8 9 11 14 16 17 19 19 21 24