0-1 背包问题

0-1 背包问题

一、典型题目

n种物品，每种只有1个。（ 因此称为0-1背包问题——对应着每个物体 选与不选 的两种选择）

第 i 种物品的体积为 $V_i$$ ，重量为 $$W_i$ 。

背包容量为 V 。

选物品装到背包，使得背包内的物品在总体积不超过C的前提下重量尽量大。

二、暴力破解的尝试

​ 如果采用暴力破解，用回溯法，那么时间复杂度将会为 O($2^n$) ，这显然是行不通的，于是我们开始用动态规划的思想来处理。

三、二维数组的尝试

1、动态规划的核心是状态和状态转移方程

1.1、状态

​ f [ i ] [ j ] ——定义：前 i个物品，背包容量 j下的最优解

​ 我们据此可以发现一个关系——当前的状态是依赖于之前的状态的；同时，当前的状态是在之前的状态的基础上来选择 对于当前的物品要不要选的 两种决定。

​ 换言之，对于f [i] [j]，可以由两个方面来做决定，（假设容量够）在f[i-1] [ j ]的基础上，①不要当前的第i个，②要当前的第i个。这就引出了状态转移方程。

1.2、状态转移方程

（1）容量不够：那么 f[ i ] [ j ]=f[i-1] [j]

（2）容量够：

​ ①不要当前的。那么 f[ i ] [ j ]=f[i-1] [j];

​ ②要当前的。那么 f[i] [j] = f[i - 1] [ j - v[i] ] + w[i]

​ (对于②为什么？ 当我们考虑当前的状态是，我们就需要考虑“刚才那个阶段的状态”，也就是说：我们想要在当前放入v[i] （注意 此刻的 最大容量记为了 j )，就需要要求前一个的 最大值 得是 j - v[i] ，于是我们得出来了前一个的基础为f[i - 1] [ j - v[i] ]，此时的价值在原基础上加上i的价值（w[i]）即可)

​ 综上，我们就可以来决定当前的最优解怎么选了——选或者不选当前的第i个比较后取最大值，f[i] [j]=max (f[i-1] [j] , f[i-1] [j-w[i]]+v[i] )

2、代码

... 
    
	for(int i = 1; i <= n; i++) 
        for(int j = 1; j <= m; j++)
        {
            //  容量不够用
            if(j < v[i])	f[i][j] = f[i - 1][j];
            // 容量够用
            else	f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }      

    cout << f[n][m] << endl;

...

四、二维下的一些考虑的问题

1、f [MAX] [MAX] 初始化——全为“0”(零) 

​ f[0] [0]=0 ，背包容量为0，什么也装不下，同理f[i] [0]=0;

​ 与之对应的，所选物品数量为零，什么也不装，f[0] [i]=0；

​ 由此，全部赋值为0。

2、二维数组的利用率

假设（后续表格展示的前提假设亦是如此）：

背包容量max=4；

物品1–重量1 价值 15；

物品2–重量3 价值 20；

物品3–重量4 价值 30；

则：

物品 i \ 容量 j	0	1	2	3	4
0	0	0	0	0	0
1	0	15	15	15	15
2	0	15	15	20	35
3	0	15	15	20	35

我们发现：每个“阶段”所用的只是当前的和“上一轮的”，于是就会出现可以 压缩空间 的问题，就有了优化方案——滚动数组

五、基于二维数组的优化——一维数组的尝试

其实，我们只需要简单的做个等价变形即可：

for(int i = 1; i <= n; i++) 
    for(int j = m; j >= 0; j--)	//改为 逆序 枚举
    {
        if(j < v[i]) 
    //      f[i][j] = f[i - 1][j];  // 优化前
            f[j] = f[j];            // 优化后
        else    
    //      f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);  // 优化前
            f[j] = max(f[j], f[j - v[i]] + w[i]);                   // 优化后
    }    

于是：

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]);
} 

f [j]表示：容量为j的背包，所背的物品价值可以最大为f [j]。

六、一维数组尝试中的思考

1、为什么 j 采用逆序：

​ ①比较优化前后：如果不逆序，优化后的f[j - v[i]]指的是当前的f[i] [j - v[i]]，而非我们所期望的f[i - 1] [j - v[i]]；

​ ②顺序枚举可能会导致重复装入：我们通过二维数组的尝试可以知道，第i个是依赖于第i-1个的——于是：如果采用正序，当i=1计算完后，数组内会存有值，当i=2时，会在此基础上再从j=0进行判断，此时就有可能会再加入一次之前已经加过的值（而0-1背包只能加一次）；但是采用逆序的话，则不会存在重合的状态——综合来看问题就在于当遍历 j 到一半（或者一部分）时，此时数组内存在着两个“阶段”的数据，而使用数据都是后面位置用前面位置的，要想互不影响，只好从后面开始遍历，这样是用的前面位置的数据就会是“上一个阶段”的。（同时，这也解释了为什么二维数组的尝试不需要逆序遍历——每“层”的（每个“阶段”的，对应上述文本中的表格一行）数据都是同一个“阶段”的，不会被覆盖）

2、为什么一位数组的尝试只能先遍历物品再遍历容量：

关键在于逆序遍历的写法。如果不是 先遍历物品再遍历容量，而是反过来的话，就会让每次遍历f[j]（容量为j的背包，所背的物品价值可以最大为f [j]）只能放一个物品（背包只放了一个物品）。