动态规划-01背包（完结撒花）

前言

背包好难 qwq。

---

概念

01背包之所以叫“01”背包，就是它需要选择是否将当前这样物品装入背包。$0$ 代表不装，$1$ 代表装。

目录

一、板子题和强化
二、比较简单的应用
三、01背包问题输出方案
四、需要排序的01背包问题
五、01背包进阶

---

一、板子题和强化

题目描述

有一个最多能装 $m$ 千克的背包，有 $n$ 块魔法石，它们的重量分别是$W_1,W_2,...,W_n$ ，它们的价值分别是 $C_1,C_2,...,C_n$。若每种魔法石只有一件，问能装入的最大总价值。

输入格式

第一行为两个整数 $m$ 和 $n$，以下 $n$ 行中，每行两个整数 $W_i,C_i$，分别代表第 $i$ 件物品的重量和价值。

输出格式

输出一个整数，即最大价值。

样例输入

8 3
2 3
5 4
5 5

样例输出

8

---

1.板子

$1\le m\le 30,1\le n\le 15$.

首先还是分析问题：每个东西都可以选择选或不选。我们假设正在抉择第 $i$ 个物品，如果选的话，我们需要付出的代价就是占据一部分的背包容量。可见有两个因素在影响dp数组的值：$i$ 和背包容量 $m$。

因此可以定义dp数组的意义为：

$d{p}_{i,j}$ 代表在前 $i$ 件物品中做选择，背包容量为 $j$ 时能获得的最大价值。

好，继续分析，每次对于第 $i$ 个物体的抉择，无非是选和不选的两种情况。

如果选的话，那么在选择前 $i-1$ 个物体的时候，可以使用的背包容量就需要减少 $w_i$，但是所获得的价值就可以加上 $c_i$。

如果不选，那就和选择前 $i-1$ 个物品的最优情况是一样的。

可得出动态转移方程：

$$d{p}_{i,j}=\max (d{p}_{i-1,j},d{p}_{i-1,j-w_i}+c_i)$$

$Code$

把动态转移方程套到程序里面就可以了，注意循环两层从小到大。

#include<bits/stdc++.h>
using namespace std;
int n,m,w[20],c[20],dp[20][35];
int main(){
   
	scanf("%d %d",&m,&n);
	for(int i=1;i<=n;i++){
   
		scanf("%d %d",&w[i],&c[i]);
	}
	for(int i=1;i<=n;i++){
   
		for(int j=1;j<=m;j++){
   
			if(w[i]>j)
				dp[i][j]=dp[i-1][j];
			else
				dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+c[i]);
		}
	}
	printf("%d",dp[n][m]);
	return 0;
}

---

2.压缩空间

$1\le m\le 3\times 10^6,1\le n\le 100$，空限变得极度 duliu。

考虑优化空间复杂度。

上述程序的 $dp$ 数组为二维数组，但是大家注意到动态转移方程时只需要用到 $d{p}_{i-1,?}$ 的值。

这也就意味着我们可以使用滚动数组优化空间复杂度。（不过时间复杂度就没法变了……）

需要注意的是，因为问号处的值必定小于 $j$，所以我们 $j$ 这一维需要倒着枚举，不然在利用前面的值的时候就会错利用为 $d{p}_{i,?}$ 而非 $d{p}_{i-1,?}$ 的值了。

$Code$

#include<cstdio>
#define max(a,b) (a)>(b)?(a):(b)
int m,n,dp[35],w[20],c[20];
int main(){
   
	scanf("%d %d",&m,&n);
	for(int i=1;i<=n;i++){
   
		scanf("%d %d",&w[i],&c[i]);
	}
	for(int i=1;i<=n;i++){
   
		for(int j=m;j>=w[i];j--){
   
			dp[j]=max(dp[j],dp[j-w[i]]+c[i]);
		}
	}
	printf("%d",dp[m]);
	return 0;
} 

---

3.如果有其它的限制条件……

$1\le n\le 100$

$1\le W_i,m\le 10^9$

$1\le C_i\le 10^7$

对于每个 $i=2,3,...,n$，满足 $W_1\le W_i\le W_1+3$

---

如果按照背包的板子做，那么一定会 $\text{TLE}$ 和 $\text{MLE}$。那如何优化呢？

我们注意到数据范围里有一句十分特殊的话：

对于每个 $i=2,3,...,n$，满足 $W_1\le W_i\le W_1+3$

那么我们完全可以把每个物品的重量以 $W_1$ 为基准，转化为一个不超过 $3$ 的数。这么可以极大地优化空间复杂度。

用 $h$ 代表 $W_1$ 的真实数字。

但是这样的话，我们就无法得知我们现在装的东西到底有没有超过背包的容量，因为我们并不知道我们选了多少个东西。所以 $dp$ 数组还需要开一维代表选择物品的个数。

所以 $d{p}_{i,j,k}$ 代表在前 $i$ 个物品中选择 $k$ 个物品，背包容量为 $j$ 时的最大价值。

还需要注意一下循环的范围：

• $i:1\sim n$

（这个不需要解释了吧……）

• $j:0\sim 3\times i$

（因为物品的重量被处理过，当原来的 $W_i=W_1$ 时这个物品的重量为 0 0