【动态规划】背包九讲-01背包

0-1背包

题目：有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。

#include<iostream>
#include<algorithm>
#include<vector>
using namespace std;
 
/*
  0-1背包
  每种物品有两种状态选或者不选，要求实现给定容积物品价值最大 
*/ 
const int N = 4; //物品个数 
const int V = 5; //背包容积 
int w[N] = {2,4,4,5}; //物品价值
int v[N] = {1,2,3,4}; //物品体积
 
int knapsack(){
    //dp[i][j]是考虑前i件物品并且体积为j时的价值量最优解 
	vector<vector<int> >  dp(N+1,vector<int>(V+1)); //dp初始化 
	for(int i = 1;i <= N;i ++){
		for(int j = 1;j <= V;j ++){
			//dp状态转移：加入第i件物品时，价值量变为i价值量+除去i体积的容积的价值量，横向纵向与之前的价值量做对比 
			if(j< v[i-1]) dp[i][j] = dp[i-1][j];
			else dp[i][j] = max(max(dp[i-1][j],dp[i][j-1]),dp[i-1][j-v[i-1]]+w[i-1]);   
		}
	}
	//打印状态转移矩阵 
	for(int i = 1;i <= N;i ++){
		for(int j = 1;j <= V;j ++) cout<<dp[i][j]<<" ";
		cout<<endl;	
	}	
	//返回结果 
	return dp[N][V];
} 
 
int main(){
	cout<<knapsack();
} 

运行结果：

时间复杂度：O（N*V），空间复杂度O（N*V），并且时间上已经无法再优化，但空间上还可以再优化。

状态 i 只与状态 i - 1 有关，状态 i 之后的 i + 1 状态只能用到 i 。故可以将其优化为一维数组，状态转移方程由

dp[i][j] = max(max(dp[i-1][j],dp[i][j-1]),dp[i-1][j-v[i-1]]+w[i-1]);  

优化为：

dp[j] = max(dp[j],dp[j-v[i-1]]+w[i-1]);

我们之前的 dp[i][j] 要么是从 dp[i-1][j] 得到的，要么是从 dp[i-1][j-v[i-1]]+w[i-1] 得到的。我们背包问题的思想就是当放体积为 v[i] 物品时，背包被划分为 v[i] 和 j - v[i]。为了不影响 dp[i-1] 到 dp[i] 的过渡，体积遍历应该从 v 到 v[i] 来走。

并且体积从后往前遍历还会保证 dp[N][V] 是最优解，因为它代表的意思就是最大容量情况下拿不拿第 i 个物品的总价值。

时间复杂度：O（N*V），空间复杂度O（V）。

#include<iostream>
#include<algorithm>
#include<vector>
using namespace std;

/*
  0-1背包
  每种物品有两种状态选或者不选，要求实现给定容积物品价值最大 
*/ 
const int N = 4; //物品个数 
const int V = 5; //背包容积 
int w[N] = {2,4,4,5}; //物品价值
int v[N] = {1,2,3,4}; //物品体积

int knapsack(){
    //dp[j]是考虑前i件物品并且体积为j时的价值量最优解 
	vector<int>  dp(V+1,0); //dp初始化 
	for(int i = 1;i <= N;i ++){
		for(int j = V;j >= v[i-1];j --){
			//dp状态转移：加入第i件物品时，价值量变为i价值量+除去i体积的容积的价值量
			dp[j] = max(dp[j],dp[j-v[i-1]]+w[i-1]);
			//打印dp 
			for(int k = 1;k <= V;k ++) cout<<dp[k]<<" ";
			cout<<endl;  
		}
	}	
	//返回结果 
	return dp[V];
} 

int main(){
	cout<<knapsack();
} 

运行结果：