蓝桥杯--DP1 AcWing 2. 01背包问题

DP问题简单是真简单，难是真的难，刚学算法被dp折磨的一天做一道题都费劲，主要还是要学会分析题意，找出状态转移公式，不过y总的分析法一直也没怎么看懂，大部分时候还是看灵性

背包问题属于经典DP问题了，01背包算式背包中最简单的一种，一般会和其他知识点结合出现，贴道模板题

AcWing 2. 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 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数，表示最大价值。
数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
8

题意：也就是大多数01背包问题的统一题意，给出n个物品，每个物品带有一个重量v和价值w，再给出一个最大容量为m的背包，求在各种组合中能使背包中所放物品价值最大的值

dp问题的核心思想就是从前向后推出最终结果并记录，类似递推的思想，当随机选取一个状态–i个物品、j为最大容量时，可以判断当前大体上具有两种情况，一种是最大容量j不足以存放第i个物品，即j < v [ i ] ，当发生这种情况时，无论如何都不可能放进第i个物品，可以将其舍去，令（i，j）时的值等于（i-1，j）时的值。

另一种情况，当容量j足以存放第i件物品时，此时又分两种情况，选择或不选择：若不选择第i件物品，则与上述情况相同，（i，j）的值即是（i-1，j）的值。当选择时，就对容量和价值进行处理，由于存放了第i件物品，容量变为 j - v[ i ]，此时情况变为，在前（i-1）个物品中，以j - v[ i ]的容量，再次获取最大值，因此此时（i，j）的值，变为（i-1，j- v[ i ]）+w[ i ]。
在容量足够的两种情况中，不能保证放进 i 件物品就一定是最大值，因此对选与不选两种情况进行取max操作

最终状态方程即为
dp[ i ][ j ]=max(dp[ i-1 ][ j ], dp[ i-1 ][ j-v[ i ] ]+w[ i ]);

代码如下

import java.io.*;
import java.util.*;

public class Main {
	static Scanner tab = new Scanner(System.in);
	static BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
	static BufferedWriter bw = new BufferedWriter(new OutputStreamWriter(System.out));
	static int N = 1010;

	
	public static void main(String[] args) throws IOException {		
		int dp[][]=new int [N][N];//（物品数量，最大容量）
		int v[]=new int [N];
		int w[]=new int [N];
		int n=tab.nextInt();//数量
		int m=tab.nextInt();//容量
		for(int i=1;i<=n;i++) {
			v[i]=tab.nextInt();
			w[i]=tab.nextInt();
		}
		for(int i=1;i<=n;i++) {
			for(int j=1;j<=m;j++) {
				if(j>=v[i])//最大容量能够装下第i件物品
					dp[i][j]=Math.max(dp[i-1][j], dp[i-1][j-v[i]]+w[i]);
				else
					dp[i][j]=dp[i-1][j];
			}
		}
		System.out.println(dp[n][m]);
		
	}
}

常规01背包代码就是这些，但当01背包与其他算法结合出现时，一个较大的二维dp数组可能会卡空间，需要简化空间复杂度。

另一方面观察状态方程，可以看到dp[i][j]的只与它的上一层dp[i][~]有关，因此可以将其简化成一维，dp[j]代表容量为 j 时的最大价值。

这里的简化思想可以参考前缀和的简化，一般来说，前缀和数组公式为s[i]=a[i]+s[i-1]，但这里a[0]~a[i-1]的值完全是不使用的，可以直接将前缀和存储在a[i]中，用前缀和将原数组覆盖过去：a[i]=a[i-1]+a[i]

有点牵强，大体思想即是当考虑完第i-1个物品的各种情况后，后续的计算是无需使用0~（i-2）值的，因此直接将i-1的各值存在数组中，覆盖前有的数值，用于后续第i个物品的计算即可。而当第i个物品计算后，同理将i-1的值覆盖，继续第i+1物品的计算

但此题需要注意的一个点是，由于原代码是从小到大遍历，将dp数组简化一维后将其抽象为一个横向数组，在对第 i 个物品计算时，每次对dp[ j ]的计算都需要使用的是其左侧的值，如果从左至右遍历的话，当计算一个dp[ j ]的值时，需要使用的左侧值已经更新为第 i 层，而计算所需要的是第i-1层的数据，它已经被覆盖了，继续计算的话会使结果偏大，因此在简化代码中需从右向左遍历计算，即是从大容量从小容量遍历，来保证数据的准确

非常想贴个图上来，可惜没什么好画图的软件，建议在纸上模拟一遍简化代码的实现过程，再模拟一遍从左向右遍历的错误过程，比较容易理解

代码如下

for(int i=1;i<=n;i++) {
	for(int j=m;j>=v[i];j--) {//直接减至v[i]可以少个判断语句
		dp[j] = Math.max(dp[j], dp[j-v[i]] + w[i]);
	}
}

---

虽说是道入门题，可以说是入的相当费劲了