动态规划-背包问题

01背包

问题描述

给定一个容积为V的背包，现在有n件物品，第i件物品的体积为w i，价值为vi，每件物品只能拿或者不拿，请求出体积总和不超过V的最大价值。

解题思路

状态

dp[i][j]表示前i件物品，体积为j时的最大价值。

状态转移

对于第i件物品，且第i件物品的体积比j大时，第i件物品一定不拿。

对于第i件物品，且第i件物品的体积比j小时，可能有拿or不拿两种状态。

• 拿：前i件物品体积为j由前i-1件物品体积减掉第i件物品的体积（由于前i件物品的体积加上第i件物品的体积才是j）的状态转移而来

•  dp[i-1][j-w[i]]=>dp[i][j]
  

• 不拿：前i件物品体积为j由前i-1件物品体积也为j转移而来（因为第i件物品不拿，所以体积不变）

•  dp[i-1][j]=>dp[i][j]
  

通过在限制体积下比较拿以及不拿哪种情况价值更大来不断推进。

边界条件

当件数i或者体积j任一为0时，最大价值一定为0。
即dp[0][0]=dp[…][0]=dp[0][…]=0

动态规划转移方程

$dp[i][j]=\{\begin{array}{l}dp[i-1][j],j<w[i]\\ max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]),j>=w[i]\end{array}$

代码实现

n,v=map(int,input().split())
a=[[0]*(n+1)]
for i in range(n):
    a.append([0]+list(map(int,input().split())))
dp=[[0]*(v+1) for _ in range(n+1)]
for i in range(1,n+1):
    for j in range(0,v+1):
        if a[i][1]<=j:
            dp[i][j]=max(dp[i-1][j],dp[i-1][j-a[i][1]]+a[i][2])
        else:
            dp[i][j]=dp[i-1][j]
print(dp[n][v])

对于前面的数据输入部分，也可以采用：

n,v=map(int,input().split())
for i in range(1,n+1):
    wi,vi=map(int,input().split())
    for j in range(0,v+1):
        if wi<=j:
        	dp[i][j]=max(dp[i-1][j],dp[i-1][j-wi]+vi)
        else:
        dp[i][j]=dp[i-1][j]
print(dp[n][V])

滚动数组优化

在上述解法中，我们使用的dp数组占用空间为(v+1)(n+1)，为了节省空间，可以使用滚动数组优化。

由于前i个物品都是由前i-1个物品转化而来，两者的奇偶性一定不同，可以使用长度为2的滚动数组优化空间。

长度为2的滚动数组

dp[(i%2)-1][j-w[i]]	…	dp[(i%2)-1][j]
	…	dp[i%2][j]

把数组按照奇偶性不同分成两行，每一次都在上一组数组的基础上运算。

代码实现

n,V=map(int,input().split())
dp=[[0]*(V+1) for _ in range(2)]
for i in range(1,n+1):
    w,v=map(int,input().split())
    for j in range(V+1):
        if j<w:
            dp[i%2][j]=dp[(i-1)%2][j]
        else:
            dp[i%2][j]=max(dp[(i-1)%2][j],dp[(i-1)%2][j-w]+v)
print(dp[n%2][V])

长度为1的滚动数组

dp[i-1][j-w[i]]	…	dp[i-1][j]
	…	dp[i][j]

如果把这里第一行数组计算出来的结果不是放到另一行，而是直接覆盖在原来的数组，就是长度为1的滚动数组。

解题思路

更新dp[i][j]时，用到上一行对应位置dp[i-1][j]和上一行先前位置dp[i-1][j-w[i]]的元素，因此可以使用单个数组进行更新，直接从大到小对dp数组进行覆盖即可。

代码实现

n,v=map(int,input().split())
dp=[0]*(v+1) 
for i in range(1,n+1):
    w,v=map(int,input().split())
    for j in range(v,w-1,-1):
        dp[j]=max(dp[j],dp[j-w]+v)
 print(dp[v])