0-1背包问题

0-1背包问题

描述

0-1背包问题的基本逻辑就是，在n个重量不同，价值不同的物品中任选几个，使得可容纳重量位w的背包达到最大价值。

举例

有以下三个物品

物品	重量	价值
物品0	10	20
物品1	4	10
物品2	6	15

背包的容量为10

明确dp数组的定义

dp[i][j] 表示容量为j的背包，在物品i之前任取物品能达到的最大价值
对于我们这个问题就是要确定dp[2][10]的值，就是代表了容量为10的背包，在物品2之前任取物品所能找到的最大价值

初始化

i/j	0	1	2	3	4	5	6	7	8	9	10
物品0	0	0	0	0	0	0	0	0	0	0	20
物品1	0
物品2	0

如上表所示，第一列，也就是dp[i][0]背包为0的前提下，肯定装不了物品，所以初始化为0
第一行，dp[0][j]不同的背包容量下装物品0，那显然只有装得下物品0的时候价值为物品0的价值，否则，价值就是0

dp公式

对于每一个dp[i][j]有两种情况

1. 选择装物品i能达到的最大价值
   选择物品i换句话说就是一定要有物品i，也就是说，在选择物品i的前提下，在选择剩下的物品，看能达到的最大价值，那么递推公式就是
   dp[i][j] = dp[i-1][j-weight[i]] + value[i]
2. 不选择物品i能达到的最大价值
   不选择，很容易写出如下递推公式
   dp[i][j] = dp[i-1][j]
   最终dp公式如下表示
   dp[i][j] = max(dp[i-1][j-weight[i]] + value[i], dp[i-1][j])

遍历顺序

如何便利dp数组呢？

i/j	0	1	2	3	4	5	6	7	8	9	10
物品0	0	0	0	0	0	0	0	0	0	0	20
物品1	0
物品2	0

根据递推公式可以看出，每一个dp[i][j]都是和他的前一行的数据有关，并且是对应位置前一行的前面的列有关，因为我们已经做了如上的初始化，所以先遍历物品和遍历容量都可以。

伪代码

dp[n][m+1] // n个物品，背包容量为m
weight[n] // n个物品的重量
value[n]  // n个物品的价值

// 初始化
for(i : 0 -> n-1) {
	dp[i][0] = 0 // 第一列初始化为0
}
for(j : 0 -> m) {
	dp[0][j] = j >= weight[0] ? value[0] : 0 // 第一行初始化
}

// 遍历
for(i : 1 -> n-1) {
	for(j : 1 -> m) {
		 dp[i][j] = max(j > weight[i] ? dp[i-1][j-weight[i]] + value[i] : 0
		 		         , dp[i-1][j])
	}
}

// 返回结果
return dp[n-1][m]

从上述过程中可以看到，对于dp数组，我们在遍历当前行的元素时，所需要的是上一行并且是当前列的前面列的元素，所以，这里为了节省空间，可以将二位dp压缩成一维数组，节省空间复杂度

一维dp定义

dp[j] 代表容量为j的背包所能装在的最大价值

dp数组的递推公式

跟二维dp对应的一个结果，应为将二维数组压缩，上一行的元素保存在当前行，所以不用i-1

1. 选择装物品i能达到的最大价值
   dp[j] = dp[j-weight[i]] + value[i]
2. 不选择物品i能达到的最大价值
   dp[j] = dp[j]
   最终dp数组的递推公式如下所示
   dp[j] = max(dp[j-weight[i]] + value[i], dp[j])

dp数组初始化

根据，dp数组的递推公式可以看出，将dp数组全部初始化为0即可

遍历顺序

对于二维dp来说，先遍历物品或者是先遍历重量都可以，但是对于一位dp来说一定要先便利物品在遍历重量，并且，在遍历重量的时候，还需要倒序遍历。原因如下

i/j	0	1	2	3	4	5	6	7	8	9	10
物品0	0	0	0	0	0	0	0	0	0	0	20
物品1	0
物品2	0

1. 倒序遍历重量的原因就是，因为你需要的是前一行并且当前列前一列的元素，因为此时历史元素是存在当前行的，如果你是从前往后遍历，就会破坏之前的列
2. 先遍历物品的原因就是，因为倒序遍历重量是一个前提，在这个前提下，你只能先遍历物品，否则先遍历重量的话，就没有所需要的历史元素的记录

伪代码

dp[m+1] // n个物品，背包容量为m
weight[n] // n个物品的重量
value[n]  // n个物品的价值

// 初始化
for(i : 0 -> m) {
	dp[i] = 0 // 全部初始化为0
}
// 遍历
for(i : 0 -> n-1) { // 先遍历物品
	for(j : m -> 0) { // 倒序遍历背包容量
		 if(j <= weight[i])
		 	break
		 dp[j] = max(dp[j-weight[i]] + value[i], dp[j])
	}
}

// 返回结果
return dp[m]