动态规划：01背包（滚动数组）

滚动数组就是把二维dp降为一维dp

例子：背包最大重量为4。

一维dp数组（滚动数组）

---

对于背包问题其实状态都是可以压缩的。
例如，在使用二维背包问题时，递推公式dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])；
其实可以把dp[i-1]那一层拷贝到dp[i]中，表达式就变为dp[i][j]=max(dp[i][j],dp[i][j-weight[i]]+value[i])；
与其把dp[i-1]拷贝到dp[i]上，不如直接使用一个一维数组，只用dp[i]（一维数组其实就是一个滚动数组）
这就是滚动数组的由来，需要满足的条件是上一层可以重复利用，直接拷贝到当期层。
动态规划5部曲：

• 1.确定dp数组与下标含义
  在一维dp数组中，dp[j]表示容量为j的背包，所背物品价值最大为dp[j]。
• 2.一维数组的递归公式
  如何推导dp[j]呢？
  dp[j]可以通过dp[j-weight[i]]推导出来，dp[j-weight[i]]表示容量为j-weight[i]的背包所背的最大价值。
  dp[j-weight[i]]+value[i]表示容易为j-weight[i]的背包加上物品i的价值（也就是容量为j的背包，放入了物品i之后的价值，即dp[j]）
  此时dp[j]有两个选择，放还是不放物品i：
  ①不放物品i：即取自己dp[j]相当于二维数组的dp[i-1][j]；
  ②放物品i：取dp[j]为dp[j-weight[i]]+value[i];
  所以递归公式为：
  dp[j]=max(dp[j],dp[j-weight[i]]+value[i])；
  可以看出相对于二维dp数组，就是把dp[i][j]中i的维度去掉了。
• 3.一维dp数组的初始化
  dp[j]表示容量为j的背包所背物品的最大价值为dp[j]，那么dp[0]就是容量为0的背包所背的物品的最大价值，即dp[0]=0；
  那么除了下标为0外，其他下标应该初始化为多少呢？
  dp数组在推导时一定是取价值最大的数，如果题目给的价值都是正整数，那么非0下标都初始化为0就可以了。
• 4.一维数组的遍历顺序
  代码如下：

for(int i=0;i<weight.size();i++)//遍历物品
{
for(int j=bagweight;j>=weight[i];j--)//遍历背包容量
{
dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
}
}

发现遍历背包的顺序和二维数组不一样，二维是从j=0开始加，而一维是从j=bagweight开始减。
这是为什么？
倒序遍历是为了保证物品i只被放入一次！，如果一旦正序遍历，那么物品0就会被重复加入多次。
举例：物品0的重量weight[0]=1，价值value[0]=15
如果正序遍历：
dp[1]=dp[1-weight[0]]+value[0]=15;
dp[2]=dp[2-weight[0]]+value[0]=30;
此时dp[2]就是30了，意味着物品0被放入了两次，所以不能正向遍历。
为什么倒序遍历，就可以保证物品i只被放入一次？
倒序先算dp[2]
dp[2]=dp[2-weight[0]]+value[0]=15;（dp数组都初始化为0）
dp[1]=dp[1-weight[0]]+value[0]=15;
所以倒序遍历，每次取得的状态不会与之前取得状态重合，这样每种物品就自取一次了。
那么为什么二维dp数组不用倒序遍历呢？
因为dp[i][j]都是通过dp[i-1][j]计算而来，本层的dp[i][j]并不会被覆盖。
再来看两层for循环嵌套的顺序，代码中是先遍历物品再遍历背包容量，那么是否可以先遍历背包容量再遍历物品呢？
不可以！
因为一维dp的写法，背包容量一定要倒序遍历，如果遍历背包容量放在上一层，那么每个dp[j]中只会放入一个物品，即背包里只放入了一个物品。
倒序遍历的原因是，本质上还是一个对二维数组的遍历，并且右下角的值依赖上一层左上角的值，因此需要保证左边的值仍然是上一层的，从右向左覆盖。

• 5.举例推导一维dp数组
  一维dp数组，分别用物品1、2、3遍历背包，最终结果如下：
  

一维背包完整代码

---

void test_1_wei_bag_problem()
{
vector<int> weight={1,3,4};
vector<int> value={15,20,30};
int bagweight=4;
//初始化
vector<int> dp(bagweight+1,0);
for(int i=0;i<weight.size();i++)//遍历物品
{
for(int j=bagweight;j>=weight[i];j--)//遍历背包容量
{
dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
}
cout<<dp[bagweight]<<endl;
}
int main()
{
test_1_wei_bag_problem();
}

可以看出，一维背包比二维背包简洁，而且空间复杂度降了一个数量级，倾向于用一维dp数组进行推导。

总结

---

以上的讲解可以开发一道面试题目（毕竟力扣上没原题）。

就是本文中的题目，要求先实现一个纯二维的01背包，如果写出来了，然后再问为什么两个for循环的嵌套顺序这么写？反过来写行不行？再讲一讲初始化的逻辑。

然后要求实现一个一维数组的01背包，最后再问，一维数组的01背包，两个for循环的顺序反过来写行不行？为什么？

注意以上问题都是在候选人把代码写出来的情况下才问的。

就是纯01背包的题目，都不用考01背包应用类的题目就可以看出候选人对算法的理解程度了。

此时01背包理论基础就讲完了，用了两篇文章把01背包的dp数组定义、递推公式、初始化、遍历顺序从二维数组到一维数组统统深度剖析了一遍，没有放过任何难点。