背包问题——01背包

背包问题——01背包

01背包作为动态规划（dynamic programing）中最基础的问题，需要我们彻底理解其中的原理，为以后解决更难的动态规划问题打下良好的基础。

这里拟定一个01背包问题：
有四件不同的物品，一个体积为8的背包，将四件物品中的任意件装入背包，求背包的最大价值。（注意每件物品有且仅有一件）

为便于观察，右表中颜色分别与对应左表对应，而灰色部分会在稍后作出解释。

先上代码，通过代码和图片联系的方式理解01背包问题

#include<bits/stdc++.h>
using namespace std;
#define N 1010
int a[N],b[N],dp[N],n,v;

int main() {
	cin>>n>>v;
	for(int i=1; i<=n; i++) {
		cin>>a[i]>>b[i];
		for(int j=1; j<=v; j++) {
			dp[j]=0;
		}
	}
	for(int i=1; i<=n; i++) {
		for(int j=v; j>=a[i]; j--) {
			dp[j]=max(dp[j],dp[j-a[i]]+b[i]);
		}
	}
	cout<<dp[v]<<endl;
}

代码运行的过程中dp每行更新的状态（从后往前更新，即每行由8到1遍历）

代码核心：状态转移方程

for(int i=1; i<=n; i++) {
		for(int j=v; j>=a[i]; j--) {
			dp[j]=max(dp[j],dp[j-a[i]]+b[i]);
		}
	}

接下来具体描述代码的运行过程：
首先我们要明白代码是从红色标记的（1，8）开始的，而且灰色部分在每轮的 i 循环中是不会被访问的

原因在这里：

for(int j=v; j>=a[i]; j--)

不难看出每次的 j 循环都是从最大体积 v（8）开始的，当体积变量 j < a[ i ]时背包无法装下当前物品，相当于没有进去入新的物品的可能性，不予处理。

由于第一行只有一个体积为2价值为3的物品，所以第一行（j >= a[ 1 ]）的情况下，dp[ j ]从后到前最大值一直是3。

在第二行的开始（j = 8 处），我们可以看到dp[ j ]提高到了7，这个7是怎么来的呢？

回到状态转移方程：

			dp[j]=max(dp[j],dp[j-a[i]]+b[i]);

将实时变量带入：

			dp[8]=max(dp[8],dp[8-3]+4);

而其中的dp[ 8 - 3 ]就是图中第一行的紫色块，它存的值为3，3+4=7, 7从此来，我们继续往前遍历，保证 dp 数组得到及时更新。

在经过多次 i 循环之后，在dp[ v ]即dp[ 8 ]处得到结果10。

以上即为一个简单01背包问题代码的大致运行过程，希望大家可以从中有所收获。加油！代码人！