0-1 背包问题——动态规划（一）

1. 问题描述

有 $N$ 种物品，物品 $i$ 的重量为 $w_i$，价格为 $v_i$，背包所能容纳的最大重量为 $W$，求背包内装入物品总价值的最大值。其中，$N,W,w_i,v_i\ge 0$。

若每种物品仅有一件，即每种物品的状态为 $x_i$， x i ∈ { 0 , 1 } x_i \in \{0,1\} xi​∈{0,1}，则称该问题为0-1 背包问题。

2. 数学描述

约束条件：
(1) { ∑ i = 1 N w i x i ≤ W x i ∈ { 0 , 1 }      ( 1 ≤ i ≤ N ) \left\{\begin{aligned} & \sum_{i=1}^N w_ix_i \leq W \tag{1} \\ & x_i \in \{0,1\} \ \ \ \ (1 \leq i \leq N) \end{aligned} \right. ⎩⎪⎪⎨⎪⎪⎧​​i=1∑N​wi​xi​≤Wxi​∈{0,1}    (1≤i≤N)​(1)

目标函数：
$$\begin{array}{rl}& \sum _{i=1}^N{v}_i{x}_i\end{array}\text{\hspace{1em}(2)}$$

该问题可以描述为：求满足约束条件 (1)，同时使目标函数 (2) 最大的解向量 $X=(x_1,x_2,\cdots ,x_N)$。

3. 解题思路

0-1 背包是一类经典的动态规划问题，求解关键在于推倒递推公式。

• 设 $N$ 为物品总数，$W$ 为背包最大容纳重量，定义一个规模为 $N\ast (W+1)$ 的二维数组。这里以 $N=5$，$W=10$ 为例说明。

• $dp(i,j)$ 表示可选前 $i$ 件物品，在背包容量为 $j$ 时，背包内装入物品的最大值 。

• 自上向下，自左向右，填充该二维数组。

1. 第一行，可选物品仅为 ①。

$$dp(1,j)=\{\begin{array}{rl}& 0j\in [0,2)\\ & 6j\in [2,10]\end{array}$$

i	$w_i$	$v_i$	0	1	2	3	4	5	6	7	8	9	10
1	2	6	0	0	6	6	6	6	6	6	6	6	6
2	2	3
3	6	5
4	5	4
5	4	6

2. 第二行，可选物品为 ①②，可借助第一行结果进行计算。这两行的区别仅在于物品 ② 是否应该放入，有两种情况：
   （1） 不放入物品 ②，背包总价值不变，即 $dp(2,j)=dp(1,j)$
   （2） 放入物品 ②，背包应保证足够剩余容量，也就是在 $dp(1,j-w_2)$ 的基础上放入，即 $dp(2,j)=dp(1,j-w_2)+v_2$

二者取最大值，即 $dp(2,j)=max(dp(1,j),dp(1,j-w_2)+v_2)$

i	$w_i$	$v_i$	0	1	2	3	4	5	6	7	8	9	10
1	2	6	0	0	6	6	6	6	6	6	6	6	6
2	2	3	0	0	6	6	9	9	9	9	9	9	9
3	6	5
4	5	4
5	4	6

3. 第 $i$ 行，可选物品为 { 1 , ⋯   , i } \{1, \cdots ,i\} {1,⋯,i}，借助第 $i-1$ 行结果进行计算。这两行的区别仅在于物品 $i$ 是否应该放入，有两种情况：
   （1） 不放入物品 $i$，背包总价值不变，即 $dp(i,j)=dp(i-1,j)$
   （2） 放入物品 $i$，背包应保证足够剩余容量，也就是在 $dp(i-1,j-w_i)$ 的基础上放入，即 $dp(i,j)=dp(i-1,j-w_i)+v_i$

二者取最大值，即 $dp(i,j)=max(dp(i-1,j),dp(i-1,j-w_i)+v_i)$

i	$w_i$	$v_i$	0	1	2	3	4	5	6	7	8	9	10
1	2	6	0	0	6	6	6	6	6	6	6	6	6
2	2	3	0	0	6	6	9	9	9	9	9	9	9
3	6	5	0	0	6	6	9	9	9	9	11	11	14
4	5	4	0	0	6	6	9	9	9	10	11	13	14
5	4	6	0	0	6	6	9	9	12	12	15	15	15

综上，状态转移方程为：

$$dp(1,j)=\{\begin{array}{rl}& 00\le j<w_1\\ & v_{1}j\ge w_1\end{array}\text{\hspace{1em}(1)}$$

$$dp(i,j)=\{\begin{array}{rl}& dp(i-1,j)0\le j<w_i\\ & max(dp(i-1,j),dp(i-1,j-w_i)+v_i)j\ge w_i\end{array}\text{\hspace{1em}(2)}$$

求解过程就是填充规模为 { N ∗ ( W + 1 ) } \{N * (W+1)\} {N∗(W+1)} 的二维数组，每次填充仅需 $\mathcal{O}(1)$ 时间，故算法的时间复杂度为 $\mathcal{O}(NW)$。

动态规划特点总结：

1. 问题分解。将大问题转化为子问题，借助子问题的结果求解大问题。

2. 状态转移。每个子问题或者子子问题的求解结果都视为一个状态，状态转移过程即问题的转化、复合过程。

3. 记忆化搜索。用空间换时间，存储子问题的结果作为后续大问题求解的已知条件。

4. 算法优化

以上过程存在空间优化潜力，计算第 $i$ 行时，仅用到了第 $i+1$ 行结果。存储空间可以由二维数组 $N\ast (W+1)$ 压缩为一维数组 $W+1$。

状态更新过程应采用逆序遍历，即 $j$ 从最大值开始，从大到小更新数组。若采用顺序更新, $dp(j-w_i)$ 更新在前、使用在后，导致 $i-1$ 行结果在未被使用之前就被覆盖了。

状态转移方程为,

$$dp(j)=\{\begin{array}{rl}& max(dp(j),dp(j-w_i)+v_i)j\ge w_i\\ & dp(j)0\le j<w_i\end{array}$$

5. 问题拓展

以上问题的约束条件为,

$$\begin{array}{r}\sum _{i=1}^N{w}_i{x}_i\le W\end{array}\text{\hspace{1em}(1)}$$

(2) x i ∈ { 0 , 1 }      ( 1 ≤ i ≤ N ) \begin{aligned} x_i \in \{0,1\} \ \ \ \ (1 \leq i \leq N) \tag{2} \end{aligned} xi​∈{0,1}    (1≤i≤N)​(2)

• 约束条件（1），要求物品总重量不得超过背包容量，允许未装满。约束条件变为要求总重量恰好等于背包容量，拓展为背包装满问题。

• 约束条件（2），要求每种物品仅有一件。约束条件变为物品件数不限，拓展为第二类问题完全背包问题。

6. 典型例题

• hdu 2602 - Bone Collector