01背包问题

问题描述

 

01背包问题是动态规划中的一个经典问题。它的本质是一个集合中选择若干元素，使得这些元素满足某种特定条件并且具有最大的价值。在背包问题中，我们要把一些物品（每个物品有自己的价值和体积）装入一个容量为m的背包中，问怎样装才能使背包的内物价值最大。这是一个经典的优化问题，可以通过动态规划来解决。

假设有n个物品和一个容量为m的背包。第i个物品的体积是Wi，价值是Vi。那么，最优解就是如下所述：在不超过背包容量的前提下，选出一些物品使得它们的总价值最大。

问题思路

解决这个问题的方法是采用动态规划思想。令dp[i][j]表示将前i个物品放入一个容量为j的背包中所得到的最大价值。则有如下状态转移方程：

dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i]);

初始化：

对dp[i][j]而言，i或j为0时，价值都是0

递推关系式：

• j<w(i)      V(i,j)=V(i-1,j)
• j>=w(i)     V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝

第一个式子表示不选择第i个物品，第二个式子表示选择第i个物品。在选择第i个物品的情况下，背包容量要减去Wi，因此总价值要加上Vi。

最终结果

最终的答案就是dp[n][m]，表示将n个物品放入一个容量为m的背包中所得到的最大价值。

代码实现：

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

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

最终的答案就是dp[n][m]，表示将n个物品放入一个容量为m的背包中所得到的最大价值。

最优解由哪些商品组成？

我们不妨看看上面是如何通过递推关系式求得了最优解：

V(i,j)=V(i-1,j)  => 说明没有选择第i 个商品，则回到V(i-1,j)；
V(i,j)=V(i-1,j-w(i))+v(i) => 说明装了第i个商品，它是最优解组成的一部分，然后我们回到装这个商品之前的状态，即V(i-1,j-w(i))；

一直遍历到i＝0为止，找到了所有解的组成。

void find(int i, int j) { //最优解情况
	if (i >= 0) {
		if (dp[i][j] == dp[i - 1][j]) {
			flag[i] = 0;//标记这个物品的编号为0，代表没有装入它
			find(i - 1, j);
		}
		else if (j - w[i] >= 0 && dp[i][j] == dp[i - 1][j - w[i]] + v[i]) {
			flag[i] = 1;
			find(i - 1, j - w[i]);//标记这个物品的编号为1，代表装入了它
		}
	}
}

总之，01背包问题是动态规划中一个非常经典的问题。通过状态转移方程，我们可以得到dp数组。在代码实现中，我们需要注意一些边界问题，比如数组下标的起点等等。选择好状态转移方程，就可以利用动态规划的思想来解决这个问题。