背包问题求解【动态规划】

01背包问题

题目详细

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。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
8

解题思路：

1. 为什么题目叫做0 - 1 背包？ （0，1）实际上指的是两种决策，即对于所有的商品我们有（0，1）两种选择，要么选择这件商品，要么不选择这件商品。
2. 条件限制？
   题目中一共有两个条件限制：
   一：背包的容量，选择的物品有限。
   二：要求所选物品的价值最大。
3. 为什么选择动态规划？
   首先，动态规划适用于寻找多决策问题的最优解。因为各阶段的决策相互关联，所以要找到整体最优的策略，而不是某个阶段“局部”的效果最优。我们要求的就是在背包体积的限制下，求得最大价值，即整体上最优。
   其次，动态规划适用于当前决策对后继决策无影响的，即无后效性问题。在背包问题中，我们已经选择的物品，不会因为要拿后面的物品而把当前的物品丢掉，满足其无后效性。
4. 动态规划思路
   二维规划

---

• 状态方程：f[i][j] 表示，前i个物品中，在背包容积为j的条件下，所选物品的最大价值。
• 状态转移方程：f[i][j] = max(f[i - 1][j] , f[i - 1] [j - v] + w)
• 解释：对于每件物品，我们有可选以及不可选两种情况。如若可选（即背包容积大于其所占体积），我们又有 选和不选两种策略，利用max函数，在选和不选中取得使得当前价值最大一种，使得决策最优。若没得选，第i - 1 次的最优决策即为当前决策的最优。

代码如下：

#include<bits/stdc++.h>

using namespace std;

const int MAXN = 1005;
int v[MAXN];    // 体积
int w[MAXN];    // 价值 
int f[MAXN][MAXN];  // f[i][j], j体积下前i个物品的最大价值 

int main() 
{
    int n, m;   
    cin >> n >> m;
    for(int i = 1; i <= n; i++) 
        cin >> v[i] >> w[i];

    for(int i = 1; i <= n; i++) 
        for(int j = 1; j <= m; j++)
        {
            //  当前背包容量装不进第i个物品，则价值等于前i-1个物品
            if(j < v[i]) 
                f[i][j] = f[i - 1][j];
            // 能装，需进行决策是否选择第i个物品
            else    
                f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }           

    cout << f[n][m] << endl;

    return 0;
}

一维规划（空间优化）：

---

从上述二维过程中我们可以看出，要求第 i 次的状态方程，我们所需要的信息实际上只有第i - 1 次的状态信息，我们可以用一个类似于滚动窗口，用一维的空间来完成这个过程。

• 状态方程 f[ j ] :背包容量 为 j 时的最大价值
• 状态转移方程：f[j] = max( f[j] , f[ j - v] + w)
• 注意：利用一维的时候我们对背包容积的遍历要逆序而行，因为我们在求f[j] 时要用到f[j - v]的信息，这里的f[j] 为第 i 次的信息， 而f[j - v]则是第 i - 1次的信息，对f [j] 更新后， 求解 f[j] 之前的信息不会用到 原来的 f[j]。
  但如果是正序求解，则先对f[j] 之前的信息进行了更新，求解f[j]时所用的f[j - v]为更新后的，就无法求得正解。
  例如，一维状态第i轮对体积为 33 的物品进行决策，则f[7]由f[4]更新而来，这里的f[4] 正确应该是 f[i - 1][4]，但从小到大枚举j这里的f[4]在第i轮计算却变成了f[i][4]。当逆序枚举背包容量j时，我们求f[7]同样由f[4]更新，但由于是逆序，这里的f[4]还没有在第i轮计算，所以此时实际计算的f[4] 仍然是f[i - 1][4]。

完全背包问题

多重背包问题I

多重背包问题II

多重背包问题III