动态规划之背包问题-详解优化

背包问题

背包问题多变灵活，下面介绍两种常见的背包问题：01背包和完全背包问题。在正式开始解释之前，我要引入一个非常重要的概念：多阶段动态规划问题。

多阶段动态规划问题

动态规划问题通常都具有时间或空间上的次序性，因此求解这类问题时，首先要将问题按一定的次序划分成若干相互联系的阶段。

01背包

所谓01背包就是指☞，一件物体因为只有一件，所以只有两种状态：取或不取。

例题

给定 n 种物品和一个容量为 C 的背包，物品 i 的重量是 wi，其价值为 vi ，每个物品只有一件。

测试样例
5 8        n  c
3 5 1 2 2   w[]
4 5 2 1 3   V[]

输出样例
10

解题思路

解释，设二维数组dp[i][v]表示用前i件物品装入质量为v时的最大价值，而dp[0][v]就为0；
因此可以得到状态转移方程

						//选第i件，从背包中去除w[i]空间，
dp[i][v]=max(dp[i-1][v],dp[i-1][v-w[i]]+V[i]);
             //不选第i件，        
==========
动态  

for(int i=1;i<=n;i++){
	for(int j=w[i];j<=m;j++){
		dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+c[i]);
	}
}

由此可以得到01背包的示意图：

空间优化

我们不难看出，对于dp[i][v]，它的值只与dp[i-1]的两个数据有关，而到i+1时，dp[i-1]又没有用了，所以可以直接开个一维数组dp[i]，表示装重量为i的元素的最大值；

于是可得如下代码：

for(int i=1;i<=n;i++){
		for(int j=v;j>=w[i];j--){
			dp[j]=max(dp[j],dp[j-w[i]]+c[i]);	
		}
	} 

需要注意的是： 重量的遍历必须要保证逆序，因为如果是正序的话，在遍历dp[v]时，dp[v-w[i]]是已经用w[i]更新过的值，也就意味着第i个物品的数量不唯一，与题目矛盾。

完全背包

完全背包问题与01背包问题的最大区别就是01背包中的每个物品数量有且只有1个，而完全背包中每个物品可以有无限个；

解题思路

根据上面01背包问题的分析，可以得到如下的状态转移方程

dp[i][v]=max(dp[i-1][v],dp[i][v-w[i]]+c[i])
与01背包的区别就在于，转移的状态是dp[i][v-w[i]]，因为完全背包中每个物品的数量是无限的，可以多次放第i件物品；

空间优化

for(int i=1;i<=n;i++){
		for(int j=w[i];j<=v;j++){
			dp[j]=max(dp[j],dp[j-w[i]]+c[i]);	
		}
	} 
/*
因为第i件物品的数量不唯一，所以应正序遍历；
*/

例题

完全背包的变型：
https://blog.csdn.net/alpha_xia/article/details/115555699
01背包问题：
https://blog.csdn.net/alpha_xia/article/details/115598319