动态规划——背包问题

引言：

背包问题是对于动态规划入门的学习至关重要：

对于背包问题首要要分析：一般都是先通过f[i][j]数组进行分析：

核心套路：

优化一般就是优化状态转移方程

1.理解数组f[i][j] 中 i，j 表示的含义。

2.明白f[i][j]的属性也就是f[i][j]的值的意义，就是问题所求的。

3.列出 二维方程，化简，二维变一维。

一、01背包

「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，「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。

也是因为每件物品只有选与不选两种状态，所以该问题又称01背包问题。

题目：       

链接：01背包问题

有 N 件物品和一个容量是 V的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值

输入格式

第一行两个整数，N，V，，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 v[i],w[i]，用空格隔开，分别表示第 i件物品的体积和价值。

 分析：

1.0：入门 二维直观分析

每一个物品都有选和不选，在满足要求下的选择，然后挑选出来最大的结果

定义数组 f[i][j]  表示前i个物品，背包容量j下的最优解（最大价值）：

（用数组 因为动态规划需要记忆，而记忆最能想到的就是用数组将值保存下来）

（1）当前的状态依赖于之前的状态，就是f[i][j] 一定是由f[i-1][j-a]得到的，至于a是多少，取决于第i件物品有没有被选择。

 可以理解为从初始状态f[0][0] = 0开始决策，有 N件物品，则需要 N次决 策，每一次对第 i 件物品的决策，状态f[i][j]不断由之前的状态更新而来。

（2）当前背包容量不够（j < v[i]），没得选，因此前 i个物品最优解即为前 i−1 个物品最优解：

                                     对应代码：f[i][j] = f[i - 1][j]。
（3）当前背包容量够，可以选，因此需要决策选与不选第 i个物品：

                           选：f[i][j] = f[i - 1][j - v[i]] + w[i]
                       不选：f[i][j] = f[i - 1][j] 
我们的决策是如何取到最大价值，因此以上两种情况取 max() 。

#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;
//写for循环的时候一定要明确初始值和结束边界
    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;
}

2.0  优化至 一维

为什么 变一维度之后 j要倒序，因为j表示的是空间，在j空间下的选择，如果j从1开始，那么j=1的时候选择了v[1],j=3的时候还可能选择 v[1],既然已经知道要求在体积m下的最大，那么就从m开始计算

//循环内的初始值和条件需要仔细斟酌，需要自己多去理解，也可以先记忆下来，随着积累就可以逐渐加深理解。

for(int i = 1; i <= n; i++)  //物品是从第一个开始
{
    for(int j = m; j >= v[i]; j--)   //空间是从最大开始
        f[j] = max(f[j], f[j - v[i]] + w[i]);
   // 对于第i个   不选  ，  选
}          
//理解
 //① f[j] 属性是空间为j时候的价值，
 //② f[j - v[i]]是空间为 j - v[i]时候的价值，在次的基础上再使用v[i]，
 //  使用的空间大小就是f[j],所以价值也是 f[j - v[i]] + w[i]

① f[j] 属性是空间为j时候的价值，
② f[j - v[i]]是空间为 j - v[i]时候的价值，在次的基础上再使用v[i]，
     使用的空间大小就是f[j],所以价值也是 f[j - v[i]] + w[i]

  3.0优化输入 ，

优化空间，有些数据用一次就不用了，就不需要用数组保存下来。

#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;
}

总结：

---

01背包的决策

       1.不选，然后去考虑下一个

       2.选，背包容量减掉那个重量，总值加上那个价值。

    模板：

    for (int i = 1; i <= n; i++)
        for (int j = m; j >= v[i]; j--)
            f[j] = max(f[j], f[j - v[i]] + w[i]);