初理解0-1背包问题

  0-1背包问题通常可以归纳为：给定一些确定价值与质量的物品，在规定的总重量的约束条件下，合理的选择使得选择的物品使得总价值最大。

  对这个问题进行分析，如果使用暴力枚举的方法，每一个物品有两种可能，不妨令物品是否在背包中的状态为 

                       

  对于这种情况而言，它的暴力解法需要的时间复杂度是O（2^n）,因此，下面介绍使用动态规划的算法来对这个背包问题进行解决。

  首先，我们先定义一个二维数组：dp[ i ][ j ]，这个二维数组我们赋予它的意义为：限重为j的情况下，放入前面i个物品的最大价值。

  当我们开始考虑这件物品是否需要放下的情况时，会出现两种不同的情况：

  1.不放入第i件物品。

  2.在可以放下的前提下，放入第i件物品。

  然后，我们可以思考dp[ i ][ j ]与dp[ i-1 ][ j ]和dp[ i-1 ][ j-weight ]+value的关系。

  毫无疑问，dp [ i ][ j ]=max(dp[ i-1 ][ j ],dp[ i-1 ][ j-weight ]+value).

  得到递推关系后，我们再开始进行对dp[ ] [ ]数组进行初始化。

  当i=0,1,2...n,j=0时，dp[ i ][ j ]=0。这种情况代表了允许放入重量为0时的情况。毫无疑问，这种情况下dp[ i ][ j ]=0。当i=0时，i-1<0,无法进行计算。所以我们根据实际来规定——dp[0][j]的值当j>=weight[0]时，dp[0][j]=value(0)，即当允许的重量大于等于第0个物品的重量时，dp[i][j]的值为第0个货物的价值。

  下面用一个具体的问题来具体分析。

  假设一群宝石的质量和价值如下图所示：

  并规定背包允许放下的最大重量为9。我们可以通过递推公式画出表格： 

  

具体的java实现：

package test;

public class dps {
    public static void main(String args[])
    {
  int []value= {1,2,3,4};
  int []weight= {2,3,4,5};
  int bigweight=9;
  int [][]dp; dp=new int[value.length][bigweight+1]; 
  for(int i=0;i<value.length;i++)
  {
      dp[i][0]=0;
  }
  for(int j=weight[0];j<bigweight+1;j++)
  {
      dp[0][j]=value[0];
  }
  for(int i = 1; i < value.length; i++) { // 遍历物品
      for(int j = 0; j <= bigweight; j++) { // 遍历背包容量
          if (j < weight[i]) dp[i][j] = dp[i - 1][j];
          else dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
      }
  }
           for(int i1=0;i1<value.length;i1++)
          {
          for(int j=0;j<bigweight+1;j++)
          {
              System.out.print(dp[i1][j]);
          }System.out.print("\n");
          }
          }
    }

  具体的运行结果如图所示：

与上图的表格一致，说明算法无误。 时间复杂度为O(N^2)。