DP 动态规划讲解（二）

帮 lhx 大佬打个广告

---

关于动态规划，为了方便，我们叫它 DP

---

今天我们来讲讲背包 DP

---

一、 01 背包

在具体讲何为「背包 dp」前，先来看如下的例题：

P2871 [USACO07DEC]Charm Bracelet S

[USACO07DEC]Charm Bracelet S

题目描述

有 $N$ 件物品和一个容量为 $M$ 的背包。第 $i$ 件物品的重量是 $W_i$，价值是 $D_i$。求解将哪些物品装入背包可使这些物品的重量总和不超过背包容量，且价值总和最大。

输入格式

第一行：物品个数 $N$ 和背包大小 $M$。

第二行至第 $N+1$ 行：第 $i$ 个物品的重量 $W_i$ 和价值 $D_i$。

输出格式

输出一行最大价值。

样例 #1

样例输入 #1

4 6
1 4
2 6
3 12
2 7

样例输出 #1

23

---

在上述例题中，由于每个物体只有两种可能的状态（取与不取），对应二进制中的 0 和 1，这类问题便被称为「0-1 背包问题」。

我们看看这题怎么做吧。

已知第 $i$ 个物品重 $w_i$，价值 $v_i$，背包的总容量 $W$。

设状态 $f[i][j]$ 为在只能放前 $i$ 个物品的情况下，容量为 $j$ 的背包所能达到的最大总价值。

假设当前已经处理好了前 $i-1$ 个物品的所有状态，那么对于第 $i$ 个物品，当其不放入背包时，背包的剩余容量不变，背包中物品的总价值也不变，故这种情况的最大价值为 $f[i-1][j]$。

当其放入背包时，背包的剩余容量会减小 $w_i$，背包中物品的总价值会增大 $v_i$，故这种情况的最大价值为 $f_{i-1,j-w_i}+v_i$。

综上所述：$f[i][j]=max(f[i-1][j],f[i-1][j-w_i]+v[i])$

这里如果直接采用二维数组对状态进行记录，会出现 $\text{MLE}$。可以考虑改用滚动数组的形式来优化。

由于对 $f[i]$ 有影响的只有 $f[i-1]$，可以去掉第一维，直接用 $f[i]$ 来表示处理到当前物品时背包容量为 $i$ 的最大价值，得出以下方程：

$f[j]=max(f[j],f[j-w_i]+v[i])$

务必牢记并理解这个转移方程，因为大部分背包问题的转移方程都是在此基础上推导出来的。

注意：

对于当前处理的物品 $i$ 和当前状态 $f[i][j$，在 $j\ge w[i]$ 时，$f[i][j]$ 是会被 $f[i][j-w_i]$ 所影响的。这就相当于物品 $i$ 可以多次被放入背包，与题意不符。（事实上，这正是完全背包问题的解法）

为了避免这种情况发生，我们可以改变枚举的顺序，从 $W$ 枚举到 $w_i$，这样就不会出现上述的错误，因为 $f[i][j]$ 总是在 $f[i][j-w_i]$ 前被更新。

核心代码：

for (int i = 1; i <= n; i++)
  for (int l = W; l >= w[i]; l--)
    f[l] = max(f[l], f[l - w[i]] + v[i]);

完整代码：

#include <bits/stdc++.h>
using namespace std;
const int maxn = 13010;
int n, W, w[maxn], v[maxn], f[maxn];

int main() 
{
  cin >> n >> W;
  for (int i = 1; i <= n; i++) cin >> w[i] >> v[i]; 
  for (int i = 1; i <= n; i++)
    for (int l = W; l >= w[i]; l--)
      if (f[l - w[i]] + v[i] > f[l]) f[l] = f[l - w[i]] + v[i]; 
  cout << f[W];
  return 0;
}

---