动态规划 ---- 0-1背包问题

0-1背包问题

问题描述：

有 n 件物品和一个最大承重为 W 的背包，每件物品的重量是 𝑤i、价值是 𝑣i 在保证总重量不超过 W的前提下，选择某些物品装入背包，背包的最大总价值是多少？
注意：每个物品只有 1 件，也就是每个物品只能选择 0 件或者 1 件
定义状态
#values:是价值数组；weights:是重量数组
假设dp(i, j)是最大承重为j，有前i件物品可选时的最大总价值，
初始值设定
dp(i, 0)、dp(0, j)初始值均为0
动态转移方程
如果j < weights[i - 1],则无法选择最后一件物品，则dp[i][j] = dp[i - 1][j]
如果j >= weightsi - 1，则可选可不选，则dp[i][j] = max(dp[i - 1][j], values[i - 1] + dp[i - 1][j - weights[i - 1]])

def maxValues(values, capacity, weights):
    if values == None or len(values) == 0:
        return 0
    if weights == None or len(weights) == 0:
        return 0
    if len(values) != len(weights) or capacity <= 0:
        return 0
    #设定一个长为capacity，宽为len(values)的二维数组
    dp = [[0] * (capacity + 1) for _ in range(len(values) + 1)]
    for i in range(1, len(values) + 1, 1):
        for j in range(1, capacity + 1, 1):
            if j < weights[i - 1]:
                continue
            else:
                dp[i][j] = max(dp[i - 1][j], values[i - 1] + dp[i - 1][j - weights[i - 1]])
    return dp[len(values)][capacity]

以j = 10这列为例：
第一个物品v= 6， w = 2可选可不选，如果不选则dp[1][10] = dp[0][10],如果选，则dp[1][10] = 6 + dp[0][10 - 2] = 6,所以最终dp[1][10] = 6
依次类推…
优化：将二维dp数组优化为一维动态数组
由于在计算dp[i][j]时可能会用到dp[i - 1][j - weights[i - 1]]的值，因此最好是从右往左进行计算，这样新计算到的值不会影响前面可能用到的值

def maxValues(values, capacity, weights):
    if values == None or len(values) == 0:
        return 0
    if weights == None or len(weights) == 0:
        return 0
    if len(values) != len(weights) or capacity <= 0:
        return 0
    #设定一个长为capacity
    dp = [0] * (capacity + 1)
    for i in range(1, len(values) + 1, 1):
        for j in range(capacity, 0, -1):
            if j < weights[i - 1]:
                continue
            else:
                dp[j] = max(dp[j], values[i - 1] + dp[j - weights[i - 1]])
    return dp[capacity]

继续优化
j在遍历时，从capacity到weights[i - 1]即可，因为再继续遍历下去，j的值会比weights[i - 1]的值小,因此一直无法选择weights[i - 1]这个值

def maxValues(values, capacity, weights):
    if values == None or len(values) == 0:
        return 0
    if weights == None or len(weights) == 0:
        return 0
    if len(values) != len(weights) or capacity <= 0:
        return 0
    #设定一个长为capacity
    dp = [0] * (capacity + 1)
    for i in range(1, len(values) + 1, 1):
        for j in range(capacity, weights[i - 1] - 1, -1):
            # if j < weights[i - 1]:
            #     continue
            # else:
                dp[j] = max(dp[j], values[i - 1] + dp[j - weights[i - 1]])
    return dp[capacity]

问题变形

有 n 件物品和一个最大承重为 W 的背包，每件物品的重量是 𝑤i、价值是 𝑣i 在保证总重量恰好等于 W的前提下，选择某些物品装入背包，背包的最大总价值是多少？ 注意：每个物品只有 1 件，也就是每个物品只能选择 0 件或者 1 件
values:是价值数组；weights:是重量数组 假设dp(i, j)是最大承重为j，有前i件物品可选时的最大总价值， dp(i,0)初始值为0,总重量恰好为0，最大总价值必然为0
dp(0, j) = -∞,j >= 1, 负数在这里代表无法恰好装满，只能用inf，保证无法恰好装满的值一直为inf 如果j < weights[i - 1],则无法选择最后一件物品，则dp[i][j] = dp[i - 1][j] 如果j >= weightsi - 1，则可选可不选，则dp[i][j] = max(dp[i - 1][j], values[i - 1] + dp[i - 1][j - weights[i - 1]])

def maxVlaues_(values, capacity, weights):
    if values == None or len(values) == 0:
        return 0
    if weights == None or len(weights) == 0:
        return 0
    if len(values) != len(weights) or capacity <= 0:
        return 0
    dp = [0] * (capacity + 1)
    for j in range(1, capacity + 1, 1):
        dp[j] = -float('inf')
    for i in range(1, len(values) + 1, 1):
        for j in range(capacity, weights[i - 1] - 1, -1):
            dp[j] = max(dp[j], values[i - 1] + dp[j - weights[i - 1]])
    return dp[capacity] if dp[capacity] > 0 else -1