DP（动态规划）解决01背包问题

背包问题

背包问题是一类经典的动态规划问题(DP问题)，非常灵活、变体多样，然我想最基础的背包问题透彻理解之后，变体问题自然迎刃而解。下面介绍两类最简单的背包问题：01背包问题和完全背包问题，而两类问题之中，又以01背包问题为重。

01背包问题

我们先来看看01背包问题的题目吧：
有n件物品，每件物品的重量为w[i]，价值为c[i]。现有一个容量为V的背包，问如何选取物品放入背包，使得背包内物品的总价值最大。其中每种物品都有1件。
样例：
5 8 //n == 5 , V == 8
3 5 1 2 2 //w[i]
4 5 2 1 3 //c[i]
好，看到题目，我想脑中第一个浮现的做法就是暴力枚举，枚举每一件物品放或者不放进背包，显然，每件背包都有两种选择，因此的话，n件物品就有2^n种情况，时间复杂度是O(2 ^n)，显然这是十分糟糕的。而使用DP就可以将复杂度降为O(nV)。
DP做法分析：
我们令dp[i][v]表示前 i 件物品(1<=i<=n,0<=v<=V)恰好装入容量为v的背包中所能获得的最大价值。好，那么怎么求解dp[i][v]呢？
考虑对第 i 件物品的选择策略，有两种选择策略：

• 不放第 i 件物品，那么问题就转化为前 i - 1 件物品恰好装入容量为v的背包中所能获得的最大价值，也即dp[i-1][v]
• 放第 i 件物品，那么问题就转化为前 i - 1 件物品恰好装入容量为v - w[i]的背包中所能获得的最大价值，也即dp[i-1][v-w[i]]+c[i]
  由于只有两种策略，且要求能获得最大价值，因此
  dp[i][v] = max{dp[i-1][v],dp[i-1][v-w[i]]+c[i]}(1<=i<=n,w[i]<=v<=V)
  上面这个就是状态转移方程。注意到dp[i][v]只与之前的状态dp[i-1][]有关，所以可以枚举从1到n，v从0到V，通过边界dp[0][v] = 0(0<=v<=V)(即前0件物品放入任何容量为v的背包中都只能获得价值0）就可以把整个dp数组递推出来。而由于dp[i][v]表示的恰好是为v的情况，，所以需要枚举dp[n][v] (0<=v<=V) ，取得最大值之后才是最后的结果。
  因此可以写出代码：

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

可以知道，时间复杂度和空间复杂度都是O(nV)，其中时间复杂度已经无法再优化，但是空间复杂度还是可以继续优化的。
注意到状态转移方程中计算dp[i][v]时总是只需要dp[i-1][v]左侧部分的数据（自己可以画个简单的示意图看看），且当计算dp[i+1][]的部分时，dp[i-1]的数据就完全用不到了（只需要用到dp[i][ ]），因此不妨直接开一个一维数组dp[v] (即把第一维省去)，枚举方向为i从1到n，v从V到0(逆序！)这样状态转移方程改变为dp[v] = max(dp[v],dp[v-w[i]]+c[i])(1<=i<=n,w[i]<=v<=V)。
这样的修改对应到图中可以理解为：
v的枚举顺序变为从右到左，dp[i][v]右边的部分为刚计算过的需要保存给下一行使用的数据，而dp[i][v]左上角的阴影部分为当前需要使用的部分。将这两者结合一下，即把dp[i][v]左上角和右边的部分放在一个数组里，每计算出一个dp[i][v]，就相当于把dp[i-1][v]抹消，因此在后面的运算dp[i-1][v]再也用不到了。这种技巧称为滚动数组，需掌握。
代码如下：

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

这样01背包问题就可以用一维数组表示来解决了，空间复杂度优化为O(V)。
有一点特别说明下：如果用二维数组存放，v的枚举是顺序还是逆序都无所谓；但如果使用一维数组存放，则v的枚举必须是逆序！
完整的求解01背包的代码如下：

#include<cstdio>
#include<algorithm>
using namespace std;
const int maxn = 100;//物品最大件数
const int maxv = 1000;//V的上限
int w[maxn],c[maxn],dp[maxv];
int main(){
	//输入背包的各个数据 
	int n,V;
	scanf("%d%d",&n,&V);
	for(int i = 1;i<=n;i++){
		scanf("%d",&w[i]);
	}
	for(int i = 1;i<=n;i++){
		scanf("%d",&c[i]);
	}
	//边界
	for(int v = 0;v<=V;v++){
		dp[v] = 0;
	} 
	for(int i = 1;i<=n;i++){
		for(int v = V;v>=w[i];v--){
			//状态转移方程
			dp[v] = max(dp[v],dp[v-w[i]]+c[i]); 
		}
	}
	//寻找dp[0...V]中最大的即为答案
	int max = 0;
	for(int v = 0;v<=V;v++){
		if(dp[v]>max){
			max = dp[v];
		}
	} 
	printf("%d\n",max);
	return 0;
} 

动态规划是如何避免重复计算的问题再01背包问题中非常明显。在一开始暴力枚举物品放或者不放背包时，其实忽略了一个特性：第 i 件物品放或者不放而产生的最大值完全可以由前面 i - 1件物品的最大值来决定的，而暴力做法无视了这一点。
另外，01背包问题中的每个物品都可以看作一个阶段，这个阶段中的状态由dp[i][0] ~ dp[i][V]，它们均由上一个阶段的状态得到。事实上，对能够划分阶段的问题来说，都可以尝试把阶段作为状态的一维，这可以使我们更方便地得到满足无后效性的状态。从中也可以得到这么一个技巧，如果当前设计的状态不满足无后效性，那么不妨把状态进行升维，即增加一维或若干维来表示相应的信息，这样可能就能满足无后效性了。