C++数据结构与算法分析——01背包问题

01背包问题

介绍

01背包问题其实在我之前的博客中略有提及。01背包的问题描述大致如下：
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$v_i$，价值是 $w_i$。
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。
这是经典的动态规划问题，也是动态规划的入门背包问题。

DP解法

此前已经写过遗传算法解01背包问题，这次使用DP解法来求解01背包问题。
在DP问题中最重要的是求状态转移方程，即如何将当前状态表示出来。此时我们可以尝试使用闫氏DP分析法：

1. 将DP问题划分为两步：状态表示和状态计算。
2. 状态表示中又分为两部分：状态表示的集合是什么，以及状态表示的属性是什么。
3. 状态计算则是求解状态转移方程的步骤

以01背包问题为例：
状态用f[i][j]来表示。

• 状态表示
  • 状态表示的集合：从前i个物品中选，且总体积不超过j的选法方案。
  • 状态表示的属性：Max(价值最大)
• 状态计算
  • f[i][j]可分为两部分考虑：
    1. 不选第i件物品
       此时从前i件物品中选且总体积不超过j的选法方案 = 从前i - 1件物品中选且总体积不超过j的选法方案
       即f[i][j] = f[i - 1][j]。
    2. 选第i件物品
       由于第i件物品的体积为v[i]
       此时从前i件物品中选且总体积不超过j的选法方案 = 从前i - 1件物品中选且总体积不超过j - v[i]的选法方案 + 第i件物品的价值
       即f[i][j] = f[i - 1][j - v[i]] + w[i]

由于f[i][j]属性为Max，因此需要从两种状态中取最大值，因此它的状态转移方程为
$$f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i])$$

例题

题目描述

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$v_i$，价值是$w_i$。

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 $v_i$,$w_i$，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

$0<N,V\le 1000$
$0<v_i,w_i\le 1000$

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

8

解题思路

最主要是求出状态转移方程。

代码

#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1010;
int f[N][N],w[N],v[N];
int n,m;

int main()
{
    cin >> n >> m;
    for (int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];
    
    for (int i = 1; i <= n; i ++ ){ // 枚举第1 ~ 第n个物品
        for (int j = 1; j <= m; j ++ ){ // 枚举第1 ~ 第m 个体积
            f[i][j] = f[i - 1][j];
            if(j >= v[i])
                f[i][j] = max(f[i][j],f[i - 1][j - v[i]] + w[i]); // 状态转移方程
        }
    }
    
    cout << f[n][m]; // 输出从前n个物品中选且总体积不大于m的最大价值
    
    return 0;
}

代码的一维优化

1. for(int j = 1; j <= m; j ++)循环内，只有j >= v[i]时才有操作，因此可以直接优化为
   for(int j = v[i]; j <= m; j ++)，可以省去判断。
2. 观察代码可以发现，状态转移方程只用到了f[i - 1]和f[i]两个状态，即第i 个物品只与第i - 1个物品有关，因此我们可以将这一维优化掉，因为第i个物品中f[i][j] = f[i - 1][j]等价于f[j] = f[j].
   f[i] = max(f[i - 1][j],f[i - 1][j - v[i]] + w[i])也等价于f[j] = max(f[j],f[j - v[i]] + w[i])，因为在第i次循环到j之前，f[j]都还是f[i - 1][j]，循环到j之后，f[j] = f[i][j]。
   注意：如果j还是从v[i]循环到m，那么当到第i个物品时，f[j - v[i]]将并不是f[i - 1][j - v[i]]，而是f[i][j - v[i]]，因为j由小到大更新会先将f[i - 1][j - v[i]]更新才更新f[i - 1][j]，因此我们需要对j进行从大到小循环。
3. v[i]和w[i]只在当前循环中用得上，我们可以只用v,w来代替v[i],w[i]，优化空间复杂度。

优化后的代码

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

const int N = 1010;
int f[N];
int n,m;

int main(){
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++){
        int v,w;
        cin >> v >> w;
        for(int j = m; j >= v; j --)
            f[j] = max(f[j],f[j - v] + w);
    }
    
    cout << f[m];
    
    return 0;
}