经典背包问题思路梳理

01背包

n件物品，第i件物品重量w[i]，价值c[i]，背包容量为V，如何选择物品，使背包内物品总价值最大？【每种物品只有一件】

思路

• 定义dp[i][j]：使用前i种物品，背包容量为V，能装下的最大价值。
• base case：dp[0][…] = 0，dp[…][0] = 0
• 状态转移：
  不装第i件物品：dp[i][j] = dp[i-1][j]；
  装第i件物品：dp[i][j] = dp[i-1][j-w[i]]+c[i]；
  综上，dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+c[i]) 。
• 目标：返回dp[n][V]

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

空间优化

• 发现dp[i][j]只与dp[i-1][…]有关，因此可压缩为一维数组。
• 改写状态转移公式：dp[j] = max(dp[j], dp[j-w[i]]+c[i])
• 目标：返回dp[V]
• 发现状态转移公式中，dp数组后面的取值依赖于前面的值。为了保证前面物品状态不变的情况下与当前物品进行比较，就必须用背包容量递减的方向进行循环。

int[] dp = new int[V];
for(int i=1; i<=n; i++) {
	for(int j=V; j>=w[i]; j--) {
		dp[j] = Math.max(dp[j], dp[j-w[i]]+c[i]);
	}
}
return dp[V];

完全背包

与01背包的区别不大，只是每件物品有无限个

• 状态转移公式可直观地写成：
  dp[i][j] = max(dp[i-1][j], dp[i-1][j-k * w[i]]+k * c[i])
  k表示第i件物品放入背包的个数。
  但是如果直接在01背包的基础上加一层1…k的循环，计算加入不同件数的物品i得到的总价值，则会提高算法的时间复杂度。因此需想办法优化。

思路

上面01背包中，要对j进行逆序循环[V…w[i]]，原因是要保证第j次循环中的dp[j]是由状态dp[j-w[i]]递推而来。也就是说，是为了保证每件物品只选一次，所以在考虑“将第i件物品放入背包”时，依据的是一个没有放过第i件物品的子结果dp[j-w[i]]。
而在完全背包中，每种物品可以选无限件，所以在考虑“将第i件物品放入背包”时，正需要一个可能已选入第i种物品的子结果dp[j-w[i]]，所以需要采用j=w[i]…V的顺序循环。即：

int[] dp = new int[V];
for(int i=1; i<=n; i++) {
	for(int j=w[i]; j<=V; j++) {
		dp[j] = Math.max(dp[j], dp[j-w[i]]+c[i]);
	}
}
return dp[V];