01背包问题通俗易懂解法

一、前言

动态规划经典问题，01背包问题记录。

 

二、问题描述

假设有 n 件物品，至多可装入容积为 m 的容器当中，试问最大可装入的价值为多少？设w[ i ]为第 i 件物品重量，v[ i ]为第i件物品价值dp[ i ][ j ]表示将前i件物品装入重量 j 的容器当中。

 

三、动态规划解题思路

3.1 先回顾一下动态规划算法设计步骤

1. 刻画一个最优解的结构特征。
2. 递归地定义最优解的值。
3. 计算最优解的值，通常采用自底向上的方法。
4. 利用计算出的信息构造一个最优解。

步骤1~3是动态规划算法求解问题的基础。如果我们仅仅需要一个最优解的值，而非解本身，可以忽略步骤4。如果确实要做步骤4，有时就需要在执行步骤3的过程中维护一些额外信息，以便用来构造一个最优解。

这里我们用自底向上的方法。

3.2 自底向上解决方法

自底向上顾名思义就是条件由少到多计算结果，前面计算的结果用于后面计算。以这道题为例：

w = {2,1,3,2}

v = {12,10,20,15}

m = 5

求可装最大价值是多少？

3.2.1 问题图解

1）物品数量为空，容量为1-5的容器存放的价值都是0

2）只有第一件物品：w=2，v=12，容器体积大于等于2的都可以放入第一件物品价值为12

3）加入第二件物品：w=1，v=10，容积是1的容器可以装入价值是10的物品；容积是2的容器可以装入价值是12的物品；容积大于等于3的容器可以装入价值是22（12+10）的物品

4）加入第三件物品：w=3，v=20，容积是1的容器可以装入价值是10的物品；容积是2的容器可以装入价值是12的物品；容积3的容器可以装入价值是22（12+10）的物品；容积4的容器可以装入价值是30（20+10）的物品；容积5的容器可以装入价值是32（12+20）的物品

5）加入第四件物品：w=2，v=15，容积是1的容器可以装入价值是10的物品；容积是2的容器可以装入价值是15的物品；容积3的容器可以装入价值是25（10+15）的物品；容积4的容器可以装入价值是30（20+10）的物品；容积5的容器可以装入价值是32（12+10+15）的物品

最终的结果是37。

 

3.2.2 递推公式

上面图，通过递推公式来说明这个求解过程，以加入第四件物品容积为5为例，它是在两个价值中取最大价值，价值一：没有加入第四件物品，容积为5最大价值是32，之前已经求解；价值二：包含第四件物品，在剩余容积中选择最大价值的物品，剩余容积是3，容积3最大价值是22，最大价值是37（22+15）；最终最大价值是37。

 

四、总结

如果一个问题可以拆分成多个小问题，而最终结果又依赖拆分后的小结果，可以考虑用动态规划来解决。动态规划需要先找到递推公式，利用计算出的信息构造一个最优解。

 

五、编码实现

//==========================================================================
/**
* @file    : Knapsack.h
* @blogs   : https://blog.csdn.net/nie2314550441/article/details/107169498
* @author  : niebingyu
* @date    ：2020/07/05
* @title   : 01背包问题
* @purpose : 假设有 n 件物品，至多可装入容积为 m 的容器当中，试问最大可装入的价值为多少？
*			 设w[ i ]为第 i 件物品重量，v[ i ]为第i件物品价值
*			 dp[ i ][ j ]表示将前i件物品装入重量 j 的容器当中
*/
//==========================================================================
#pragma once
#include <iostream>
#include <vector>
#include <list>
#include <algorithm>
using namespace std;

#define NAMESPACE_KNAPSACK namespace NAME_KNAPSACK {
#define NAMESPACE_KNAPSACKEND }
NAMESPACE_KNAPSACK
class Solution
{
public:
    int knapsack(vector<int>& w, vector<int>& v, int n, int weight)
    {
        if (w.size()-1 != n || v.size()-1 != n)
            return {};
        
        vector<vector<int>> dp(n +1, vector<int>(weight+1, 0));
        for (int i = 0; i <= n; i++)
        {
            for (int j = 0; j <= weight; j++)
            {
                if (i == 0 || j == 0) 
                    dp[i][j] = 0;   //边界dp，结果为0 
                else 
                {
                    if (j < w[i]) 
                        dp[i][j] = dp[i - 1][j];//装不下 
                    else 
                        dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);//装得下，max比较装或不装哪个更大 
                }
            }
        }

        return dp[n][weight];
    }
};

以下为测试代码//
// 测试 用例 START
void test(const char* testName, vector<int>& w, vector<int>& v, int num, int weight, int expect)
{
    Solution s;
    int result = s.knapsack(w, v, num, weight);
    if (expect == result)
    {
        cout << testName << ", solution passed." << endl;
    }
    else
    {
        cout << testName << ", solution failed." << endl;
    }
}

void Test1()
{
    vector<int>w = { 0,2,1,3,2 };
    vector<int>v = { 0,12,10,20,15 };
    int num = w.size()-1;
    int weight = 5;

    int expect = 37;

    test("Test1()", w, v, num, weight, expect);
}
NAMESPACE_KNAPSACKEND
// 测试 用例 END
//

void Knapsack_Test()
{
    NAME_KNAPSACK::Test1();
}

执行结果：