01背包二维数组转一维数组

01背包二维数组转一维数组

01背包是一种经典的动态规划问题，是指在给定容量的情况下，选择一些物品放入背包，使得物品的总价值最大，且不能超过背包的总重量，01表示选或不选两种状态，每种物品只有这两种状态

具体来说，假设有n件物品和一个容量为weight的背包，每件物品的重量为weight[i]，价值为value[i]，我们需要选择哪些物品放入背包中，使得价值最大，且总重量不超过weight。定义一个二维数组dp[i][j]，表示前i个物品放入容量为j的背包中所能获得的最大价值。则dp[i][j]的计算可以根据以下两种情况进行转移

• 不选第i件物品，则dp[i][j] = dp[i-1][j]
• 选第i件物品，则dp[i][j] = dp[i-1][j-weight[i]] + value[i]

for(int i = 0; i < 物品数量; i++)
{
    for(int j = 0; j < 背包容量; j++)
    {
        dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
    }
}

空间优化

二维数组变为一维数组，使用滚动数组实现，滚动数组是动态规划中一种用于空间优化的技巧，具体来说就是在计算当前状态的时候，只使用前一阶段的状态值，因此不需要保留全部的状态，只保留一部分即可，通过这种方式可以将多维转化为一维，从而大幅减小占用空间

一维数组中dp[j]表示的是在背包容量为j的时候能够装下物品的最大价值

• 不选第i件物品，则dp[j] = dp[j]
• 选第i件物品，则dp[j] = dp[j - weight[i]] + value[i]

vector<int> dp(物品数量， 0);
for(int i = 0; i < 物品数量; i++)
{
    for(int j = 背包容量; j >= weight[i]; j--)
    {
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

其中背包容量遍历的时候采用了倒序遍历，是因为一维数组记录的是状态值，如果正序遍历，我们不能保证更新dp[j]的时候dp[j - weight[i]]已经更新

因为当我们考虑到第i个物品时，dp[j-w[i]]表示的是放入第i个物品后剩余容量为j-w[i]时的最大价值，而在倒序遍历时，dp[j-w[i]]已经被更新为当前状态下的最大价值