【蓝桥杯准备打卡-基础算法笔记DP篇】-1.【01背包】

小朱爱数学也爱编程

已于 2023-01-31 20:12:57 修改

阅读量319

点赞数 3

分类专栏：基础算法文章标签：算法数据结构动态规划启发式算法 Powered by 金山文档

于 2023-01-31 20:00:47 首次发布

本文链接：https://blog.csdn.net/m0_55653575/article/details/128822799

版权

基础算法专栏收录该内容

5 篇文章 1 订阅

订阅专栏

1.题目介绍

有 N件物品和一个容量为 V 的背包，每件物品有各自的价值且只能被选择一次，要求在有限的背包容量下，装入的物品总价值最大。

「0-1 背包」是较为简单的动态规划问题，也是其余背包问题的基础。

动态规划是不断决策求最优解的过程

2.知识点概念介绍

2.1 DP问题的解决思路

DP问题可以被转化成状态表示和状态计算两方面去考虑，其中、

**状态表示f[i][j] 又可以表示成 ****集合****和 ****属性**两方面，所谓集合是指 f[i][j]所包含的**条件**限制下所有的选法，而该集合的属性，指的是这所有选法中所表示特殊意义的值，比如最大值，最小值等等。

状态计算则是集合的划分方式，本质上也就是** 动态转移方程**

**集合划分的原则 **

Ⅰ.不重复（求最大值可以忽略，但是属性为求方案数量不可忽律）

Ⅱ.不遗漏

2.2 01背包问题的解决思路

01背包问题状态表示

以 01 背包问题为例，所谓「0-1 背包」即是不断对第 i 个物品的做出决策，「0-1」正好代表不选与选两种决定。

那么「0-1 背包」问题中，我们规定 f[i][j] 索表示的集合限制为体积j和数目i，属性为价值最大值max 则f[i][j]则表示为在前i种物品中任意选择物品装入背包，背包总体积不超过 j体积的所有选法中价值的最大值,

易知** f[N][V] 就是我们所需要的题目答案**

01背包问题状态计算

集合的划分：我们可以把集合f[i][j] 在前i种物品中任意选择物品装入背包，背包总体积不超过 j体积的所有选法划分为两部分，一部分包含第 i件物品，另一部分不包含第 i件物品

子集不包含第i件物品可以理解为从 1~i-1 物品中，选取的体积不超过 j 的选法集合

可以根据我们的f定义表示为 f[i-1][j]

子集包含第i 件物品，可以理解成第 i 件物品必然选择，然后我们再从 1~i-1 物品中继续，选取的体积不超过 j 的选法集合，但是这样显然无法表示成f

我们采取 “曲线救国” 的方式，子集包含第i 件物品，那么我们同时删去该子集中的第i 件物品，此时的集合可以表示为从 1~i-1 物品中继续，选取的体积不超过 j -v[i]，（v[i]表示第i个物品的体积）的选法集合，也就是f[i-1][j-v[i]] i，而我们说过 f集合的属性是最大的总价值，那么这两个集合的属性差距，就是第i个物品的价值，所以该原子集的值可以表示成 f[i-1][j-v[i]] +w[i]

动态转移方程：既然f 表示的是所有选法的价值最大值，那么他的值自然可以表示，他所有子集的值中的最大值

也就是 **f[i]][j] = max( f[ i -1] [ j ] , f[ i - 1 ][ j - v[i] ]+w[i] ) **

**值得一提的是，这里的 j 显然要大于 v【i】才有意义，不然如果第 i 件物品的体积比 j 大，那么图中右侧的子集则必然是空集 **

3.题解代码及优化方案

3.1原始代码

#include<bits/stdc++.h>

using namespace std;

const int MAXN = 1005;
int v[MAXN];    // 体积
int w[MAXN];    // 价值 
int f[MAXN][MAXN];  // f[i][j], j体积下前i个物品的最大价值 

int main() 
{
    int n, m;   
    cin >> n >> m;
    for(int i = 1; i <= n; i++) 
        cin >> v[i] >> w[i];

    for(int i = 1; i <= n; i++) 
        for(int j = 1; j <= m; j++)
        {
            //  当前背包容量装不进第i个物品，则价值等于前i-1个物品
            if(j < v[i]) 
                f[i][j] = f[i - 1][j];
            // 能装，需进行决策是否选择第i个物品
            else    
                f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }           

    cout << f[n][m] << endl;

    return 0;
}
/*作者：深蓝
链接：https://www.acwing.com/solution/content/1374/
来源：AcWing
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
*/

3.2 dp问题的优化思想

dp问题的优化，无外乎两种，一种是dp动态转移方程的化简，第二种是** dp代码化简**

两者几乎都是从空间的优化

dp代码的化简一般可以采取滚动数组的方式，滚动数组又分为交替滚动和自我滚动，我们这里采用最优的自我滚动。

01 背包的优化思想

Ⅰ 转移方程的优化

 for(int j = 1; j <= m; j++)
        {
            //  当前背包容量装不进第i个物品，则价值等于前i-1个物品
            if(j < v[i]) 
                f[i][j] = f[i - 1][j];
            // 能装，需进行决策是否选择第i个物品
            else    
                f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }

代码中转移方程 f[i][j] = f[i - 1][j]和f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]) 我们仔细观察，发现方程f[i]的情况仅仅只与 f[i-1]有关

对于每次循环的下一组i，只会用到i-1来更新当前值，不会用到i-2及之前值。于是可以在这次更新的时候，将原来的更新掉，反正以后也用不到。

所以对于i的更新，只需用一个数组，直接覆盖就行了。

那么既然每次跟新状态所需要用到的集合只含有上一次的（而不是上两次，上三次），就可以只用一个一维数组去记录数值了。即f[j] = max([j], f[j - v[i]] + w[i])

 for(int j = 1; j <= m; j++)
        {
            //  当前背包容量装不进第i个物品，则价值等于前i-1个物品
            if(j < v[i]) 
                f[j] = f[j];
            // 能装，需进行决策是否选择第i个物品
            else    
                f[j] = max(f[j], f[j - v[i]] + w[i]);
        }

Ⅱ 循环代码的优化

这段代码根据我们可以加入第二重循环的条件里，直接从 j = f【j】作为循环初值，就可以去除 if语句，两者等价

 for(int j = v[i]; j <= m; j++)
        {
            // 能装，需进行决策是否选择第i个物品   
                f[j] = max(f[j], f[j - v[i]] + w[i]);
        }

Ⅲ 循环代码的逆序

在二维情况下，状态f[i][j]是由上一轮i - 1的状态得来的，f[i][j]与f[i - 1][j]是独立的。而优化到一维后，如果我们还是正序，则有f[较小体积]更新到f[较大体积]，则有可能本应该用第i-1轮的状态却用的是第i轮的状态。

例如，一维状态第i轮对体积为 3 的物品进行决策，则f[7]由f[4]更新而来，这里的f[4]正确应该是f[i - 1][4]，但从小到大枚举j这里的f[4]在第i轮计算却变成了f[i][4]。当逆序枚举背包容量j时，我们求f[7]同样由f[4]更新，但由于是逆序，这里的f[4]还没有在第i轮计算，所以此时实际计算的f[4]仍然是f[i - 1][4]。

简单来说，一维情况正序更新状态f[j]需要用到前面计算的状态已经被「污染」，逆序则不会有这样的问题。

你看如果是是正序优化循环，那么 ** 红框** 的值也就是从绿框中选最大的跟新，而下图中绿色框处的值本来应该是红黄两框中的最大值，正序循环一维化中，则变成了从蓝框和黄框中的最大值了，如果蓝框和红框的内容不一致，则会导致绿框处值跟新错误，而如果我们从第i行的最后一列开始跟新状态即逆序跟新则不会出现这样的情况

下图是acwing 中大佬理解图，觉得不错偷过来

Ⅳ 输入数值的优化

我们注意到在处理数据时，我们是一个物品一个物品，一个一个体积的枚举。

因此我们可以不必开两个数组记录体积和价值，而是边输入边处理。

Ⅴ 最终代码

#include<bits/stdc++.h>

using namespace std;

const int MAXN = 1005;
int f[MAXN];  // 

int main() 
{
    int n, m;   
    cin >> n >> m;

    for(int i = 1; i <= n; i++) {
        int v, w;
        cin >> v >> w;      // 边输入边处理
        for(int j = m; j >= v; j--)
            f[j] = max(f[j], f[j - v] + w);
    }

    cout << f[m] << endl;

    return 0;
}