背包九讲——01背包

题目：

01背包问题
有N件物品和一个容量为V 的背包。放入第i件物品耗费的空间是Ci，得到的价值是Wi。求解将哪些物品装入背包可使价值总和最大。

---

所属专栏：戳我访问

---

01背包是动态规划的入门题目。也是《背包问题九讲》里的第一讲。
我们先来看看《背包问题九讲》是怎么讲的：

基本思路
这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。
用子问题定义状态：即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
这个方程非常重要，基本上所有跟背包相关的问题的方程都是由它衍生出来的。所以有必要将它详细解释一下：“将前i件物品放入容量为v的背包中”这个子问题，若只考虑第i件物品的策略（放或不放），那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品放入容量为v的背包中”，价值为f[i-1][v]；如果放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”，此时能获得的最大价值就是f[i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。

我的理解是：因为f[i][v]表示前i个物品，放v的空间，且一件物品只有放，和不放这两个状态，所以转移方程是：

f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}

其中f[i-1][v]表示用前i-1个物品，v的容量，也就表示不放，而下一个就表示放。
这里来分析一下01背包：
这里分析的方法采用之前讲到的分析方法，如果你不知道这个方法，请访问：戳我访问
状态表达：f[i][v]表示用前i件物品，v的容量，所能获得的最大价值。
状态转移：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
状态数量：nv
转移代价：O(1)
时间复杂度：O(nv)
空间复杂度：O(nv)
代码：

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<algorithm>

int c[1001],w[1001],f[1001][1001];
int main()
{
    int n,v;
    std::cin>>n>>v;
    for(int i = 1;i<=n;i++)std::cin>>c[i]>>w[i];
    for(int i = 1;i<=n;i++)
        for(int j = 1;j<=v;j++)
            if(w[i]>j)f[i][j] = f[i-1][j];
            else f[i][j] = std::max(f[i-1][j],f[i-1][j-c[i]]+w[i]);
    std::cout<<f[n][v];
    return 0;
} 

---

然而，问题到这里还没有结束，我们可以发现到这里我们的空间复杂度是O(nv)，但是如果n*v是一个很大的值，那么就如爆空间，这里来优化一下空间复杂度，先来看看《背包问题九讲》里是怎么优化空间复杂度的：

优化空间复杂度
以上方法的时间和空间复杂度均为O(VN)，其中时间复杂度应该已经不能再优化了，但空间复杂度却可以优化到O。
先考虑上面讲的基本思路如何实现，肯定是有一个主循环i=1..N，每次算出来二维数组f[i][0..V]的所有值。那么，如果只用一个数组f[0..V]，能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢？f[i][v]是由f[i-1][v]和f[i-1][v-c[i]]两个子问题递推而来，能否保证在推f[i][v]时（也即在第i次主循环中推f[v]时）能够得到f[i-1][v]和f[i-1][v-c[i]]的值呢？事实上，这要求在每次主循环中我们以v=V..0的顺序推f[v]，这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i-1][v-c[i]]的值。伪代码如下：

for i=1..N
    for v=V..0
        f[v]=max{f[v],f[v-c[i]]+w[i]};

其中的f[v]=max{f[v],f[v-c[i]]}一句恰就相当于我们的转移方程f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]}，因为现在的f[v-c[i]]就相当于原来的f[i-1][v-c[i]]。如果将v的循环顺序从上面的逆序改成顺序的话，那么则成了f[i][v]由f[i][v-c[i]]推知，与本题意不符，但它却是另一个重要的背包问题P02最简捷的解决方案，故学习只用一维数组解01背包问题是十分必要的。
事实上，使用一维数组解01背包的程序在后面会被多次用到，所以这里抽象出一个处理一件01背包中的物品过程，以后的代码中直接调用不加说明。
过程ZeroOnePack，表示处理一件01背包中的物品，两个参数cost、weight分别表明这件物品的费用和价值。
procedure ZeroOnePack(cost,weight)
for v=V..cost
f[v]=max{f[v],f[v-cost]+weight}
注意这个过程里的处理与前面给出的伪代码有所不同。前面的示例程序写成v=V..0是为了在程序中体现每个状态都按照方程求解了，避免不必要的思维复杂度。而这里既然已经抽象成看作黑箱的过程了，就可以加入优化。费用为cost的物品不会影响状态f[0..cost-1]，这是显然的。
有了这个过程以后，01背包问题的伪代码就可以这样写：
for i=1..N
ZeroOnePack(c[i],w[i]);

---

我的理解是，因为当前层的状态转移只需要上一层的状态，那么直接建一个滚动数组即可，因为这个滚动数组只有一维，所以为了不让他重复使用一个物品，所以要逆序枚举v。
代码：

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<algorithm>

int c[1001],w[1001],f[1001];
int main()
{
    int n,v;
    std::cin>>n>>v;
    for(int i = 1;i<=n;i++)std::cin>>c[i]>>w[i];
    for(int i = 1;i<=n;i++)
        for(int j = v;j>=c[i];j--)
            f[j] = std::max(f[j],f[j-c[i]]+w[i]);
    std::cout<<f[v];
    return 0;
}