背包问题1

01背包问题

有 N 件物品和一个容量为 V 的背包。第 i 件物品的费用是 c[i] ，价值是 w[i] 。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

 

解题思路： 回溯法，给重量，看是否能装满背包。

题目特点：：每种物品仅有一件，可以选择放或不放。

 

先为子问题定义状态： 用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。

再定义状态转移方程： f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 。

 

先解释一下： “ 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 ” ；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] 。

 

注意 f[i][v] 有意义当且仅当存在一个前 i 件物品的子集，其费用总和为 v 。所以按照这个方程递推完毕后，最终的答案并不一定是 f[N][V] ，而是 f[N][0..V] 的最大值。如果将状态的定义中的 “ 恰 ” 字去掉，在转移方程中就要再加入一项 f[i][v-1] ，这样就可以保证 f[N][V] 就是最后的答案。

 

优化空间复杂度

上述方法的时间复杂的和空间复杂度是一样的，为 O(N*V) 。经探索，时间复杂度很难再优化了，空间复杂度却可以做进一步的优化，目标是 O(V) 。

 

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。

 

总结

01 背包问题是最基本的背包问题，它包含了背包问题中设计状态、方程的最基本思想，另外，别的类型的背包问题往往也可以转换成 01 背包问题求解。故一定要仔细体会上面基本思路的得出方法，状态转移方程的意义，以及最后怎样优化的空间复杂度。