来一起学习01背包！！！

学习01背包，需要回答以下几个问题：

1.什么是01背包问题？

2.怎样解01背包问题？

3.为什么会要利用动态规划求解01背包问题？

4.怎样利用动态规划求解01背包问题？

5.还可以怎样优化？

接下来我将通过以上五个问题来分析01背包问题：

1.什么是01背包问题？

01背包问题是一个具体案例，但却代表着一类问题，我认为他其实是类似于高中物理题目中的物理模型，他更多的是一种模型，是一种思想。

01背包问题描述：

01背包是在M件物品取出若干件放在载重为W的背包里，每件物品的重量为W1，W2至Wn，与之相对应的价值为P1,P2至Pn。每件物品的数量只有一个且物品不可拆分，现要在保证背包不超重的前提下，保证背包内所装物品的总价值最大。

需要注意的是，01背包中，由于每种物品只有一个且不可拆分，所以物品对应的状态只有两种，即放入背包和不放入背包，这一点类似于计算机二进制，非0即1的特性，所以被称为01背包问题。

2.怎样解01背包问题？

拿到这个问题，最先想到思路那一定就是，我把所有的物品，排列组合装入背包，找到不超重并且价值最大的那种装法，那么问题就解决了。这其实是一种回溯的思想，回溯的本质就是一种暴力搜索。

3.为什么会要利用动态规划求解01背包问题？

以上这种暴力解法存在一个问题，那就是难以避免的多层循环嵌套，就算使用回溯算法，那效率也是相当低的。当问题规模变大，需要装入的物品数量增多时，就会没有办法应对，因此便有了动态规划求解01背包问题。

4.怎样利用动态规划求解01背包问题？

我们来设定一个具体的01背包问题例子：

现有一个背包，载重为4，有物品0，物品1，物品2三种物品，每种物品只有一个，且物品不可拆分，求背包所能放入的最大价值。

物品      重量      价值

0              1           15

1              3           20

2              4           30

首先使用动态规划求解01背包问题，要先确定出我们的dp数组，并弄清楚它的含义，dp数组就是记录每个子问题所对应的状态，然后我们利用递推方程，通过前面子问题的状态，去推导后面问题的状态。

对于01背包问题，我们求解的是载重为M的背包所能装得的最大价值。那么我们来考虑，如果背包载重为0，那么显然装入物品最大价值就为0，如果只装入了一个物品，并且能装下，那么最大价值显然就是这一个物品的价值，所以很明显，我们需要一个二维数组，分别来记录我们装入的物品种类和背包的载重量，也就是dp[ i ][ j ]，那他表示的含义，就是当我的背包当前的载重为 j 时，装物品0到物品i这些物品，所能装得的最大价值。

这里我简单做了一个表格来说明：

 那么如何推导递推方程呢？对于每一个物品，我们都有两种选择，就是放入背包和不放入背包。

不放入背包的话，那么此时dp[ i ][ j ],与dp[ i-1 ][ j ]的状态是完全一致的，因为这个物品没有放，那么载重j不变，与放物品0到i-1的状态一样。

放入背包的话，那么此时背包载重就变为了 j-weight[ i ],他的状态就等于载重为j-weight[ i ]的背包装0到i-1种物品的价值加上要装的这个物品的价值，也就是dp[ i-1 ][ j-weight[ i ] ]+value[ i ]。

而在dp[ i ][ j ]这个状态的最大价值就是装与不装两种情况中的最大值。

需要注意一点，如果当前背包容量放不下这个物品，那么只有不放这一种情况。

接下来看一下具体的代码实现：

#include<stdio.h>
//三种物品
//重量分别 1，3，4
//价值分别15，20，30
//每种物品有一个，背包最大重量为4
//
//dp[i][j] 表示在重量为j的背包中放0—i这些物品，最大价值数




int max(int a, int b)
{
	if (a > b)
		return a;
	else
		return b;
}
int main()
{
	int MaxWeight = 4;
	int weight[] = { 1,3,4 };
	int value[] = { 15,20,30 };
	int dp[3][5] = { 0 };
	int row = 3;
	int col = 5;
	for (int i = 0; i < row; i++)
	{
		dp[i][0] = 0;//在重量为0的背包中，能放的最大价值都为0；
	}
	for (int j = 0; j < col; j++)
	{
		dp[0][j] = 15;//如果只放物品0，那么价值最大都为15，因为物品0只有一个
	}
	for (int m = 1; m < row; m++)
	{
		for (int n = 1; n <= MaxWeight; n++)
		{
			if (n < weight[m])//现在的背包容量放不下当前物品
			{
				dp[m][n] = dp[m - 1][n];
			}
			else
			{
				dp[m][n] = max(dp[m - 1][n], dp[m - 1][n - weight[m]]+value[m]);
			}
		}
	}
	printf("背包最大所能放的最大价值为%d\n", dp[2][4]);
}

5.还可以怎样优化？

对于01背包问题，还有一种利用一维数组实现的方法，其原理是:

我们观察递推公式

max（dp[ i-1 ][ j ],dp[ i-1 ][ j-weight[ i ] ]+value[ i ]）

可知每一个背包载重的状态都是由i-1行，也就是上一行推导而来的，那么我们其实可以通过上一行的结果求解当前行状态，直接覆盖在上一行的位置上，从而实现将二维数组压缩为一维数组，但是在覆盖时需要注意一点，由于当我们实现放入物品这种情况时，我们需要[ j-weight ]也就是前面的状态来推导，如果我们从前往后遍历，那么就会把前面的状态全部都覆盖掉，这样就不能得到正确的结果,所以我们在遍历背包载重时，需要从后往前遍历，以便前面的状态是没有被覆盖的状态。

以下是滚动数组方式实现代码：

#include<stdio.h>
//三种物品
//重量分别 1，3，4
//价值分别15，20，30
//每种物品有一个，背包最大重量为4
//
//dp[i][j] 表示在重量为j的背包中放0—i这些物品，最大价值数




int max(int a, int b)
{
	if (a > b)
		return a;
	else
		return b;
}
int main()
{
	int MaxWeight = 4;
	int weight[] = { 1,3,4 };
	int value[] = { 15,20,30 };
	int dp[5] = { 0 };
	for (int i = 0; i < 3; i++)//遍历物品
	{
		for (int j = 4; j >= weight[i]; j--)//背包载重最大为4，最小要等于当前要装入的物品
		{
			dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);//状态转移方程
		}
	}
	printf("背包所能装载的最大价值为%d", dp[4]);
}

以上便是个人对于01背包问题的见解与总结，如果其中存在问题、错误，请直接在评论提出，以便我可以及时修改，谢谢大家！！！