0/1背包问题（动规经典之一）

题目描述

给一个能承重V的背包，和n件物品，我们用重量和价值的二元组来表示一个物品，第i件物品表示为（Vi，Wi），问：在背包不超重的情况下，得到物品的最大价值是多少？

---

输入

第一行输入两个数 V,n，分别代表背包的最大承重和物品数。

接下来n行，每行两个数Vi,Wi，分别代表第i件物品的重量和价值。

(Vi≤V≤10000,n≤100,Wi≤1000000)

输出

输出一个整数，代表在背包不超重情况下所装物品的最大价值。

解题思路

        这一题就是经典的动态规划，基本上动态规划入门第一个要掌握的就是它啦。

        首先做动态规划我们要知道设计动态规划的核心思想就是容斥原理，啥意思呢，就是把一个问题的解看成一个集合，然后呢，分析他这个集合有多少个互不相交的子集，由于这个集合以及子集都是自己定义的，所以我们要尽量把集合和子集表达的清晰简单一点，这样也能方便我们做题写代码。

        比如这个背包问题，对于每一件物件，我们只有选择【装进去】或者【不装进去】，所以问题就转化成了->装进去和不装进去，这俩状态怎么表示，

        首先我们先讨论不装进去的情况，因为这个最简单，如果一件物品，他不装到背包里，那么它此时的状态和上一个装入背包的状态是一样的，

        我们再来讨论装进去的时候，如果我们选择把物品装进背包，我们首先要考虑的一个限制条件就是：背包还能不能装得下这个物品，如果装不下这个物品，那么我们只能选择不装这个物品，如果装得下的话，那么他的状态应该时什么样子呢？想一下，在没装这个物品之前，背包的容量应该是多少?假设装进去之后背包容量还剩j，那么很显然，没装进去之前我们的背包容量应该是j减去这个物品的体积，而如果装进去之前的背包内物品总价值时w，那么装进去之后价值就是w加上这个物品的价值。

        这样我们可以设立状态规划的数组: dp[i][j]，表示对于第i个物品来说，背包容量为j的时候，最大价值是多少，这样我们就得到了递推方程:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);

解题代码

优化前

#include<bits/stdc++.h>
using namespace std;

const int MAXV = 1e5 + 5, MAXN = 1e2 + 5;
int dp[MAXN][MAXV];
int v[MAXN], w[MAXN];
int n, V;

int main() {
	cin >> V >> n;
	for (int i = 1; i <= n; i++) {
		scanf("%d%d", v + i, w + i);
	}
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= V; j++) {
			dp[i][j] = dp[i - 1][j];
			if (j < v[i]) continue;
			dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);
		}
	}
	cout << dp[n][V] << endl;
	return 0;
}

优化后

        其实在这里dp数组可以简化成一个第一维大小为2的滚动数组，为什么呢？因为对于dp[i][j] 来讲，能改变它的值的只有dp[i - 1],所以说我们可以稍微改一下，像这样：

#include<bits/stdc++.h>
using namespace std;

const int MAXV = 1e5 + 5, MAXN = 1e2 + 5;
int dp[2][MAXV];
int v[MAXN], w[MAXN];
int n, V;

int main() {
	cin >> V >> n;
	for (int i = 1; i <= n; i++) {
		scanf("%d%d", v + i, w + i);
	}
	for (int i = 1; i <= n; i++) {
		int ind = i % 2, rind = (i + 1) % 2;
		for (int j = 1; j <= V; j++) {
			dp[ind][j] = dp[rind][j];
			if (j < v[i]) continue;
			dp[ind][j] = max(dp[ind][j], dp[rind][j - v[i]] + w[i]);
		}
	}
	cout << dp[1][V] << endl;
	return 0;
}