背包问题之01背包

背包问题图解

01背包定义

N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。

最基本的01背包问题

流程

dp数组定义
dp[i][j] 我们从下标0到i的物品任意选，背包容量为j，物品价值的最大值。
时刻记住这个定义。
递推公式定义
对于每个物品，我们只有两种状态，放与不放

• 不放物品：那么dp[i][j] = dp[i-1][j],和之前没什么两样
• 放物品，这时就要考虑放进去之后的价值和不放的比较了
  dp[i-1][j-weight[i]] 是从0到i-1任选物品，放进j-weight[i]容量的背包的价值大小，还要再加上value[i]，这是放物品的价值

此时，递推公式为：dp[i][j] = Math.max(dp[i - 1][j],dp[i - 1][j - weight[i]] + value[i]);
dp数组初始化
如果j为0，意思是背包容量为0，那么什么都放不进去，所以价值肯定是0，所以dp[i][0] 初始化为0。
同时dp[i][j]又是由i-1推导得来，所以要初始化i=0时的dp，即为把下标为0的物品放进容量从0到j的背包里，这时会有两种情况，能放下0号物品，放不下0号物品，放不下初始化为0，放的下就初始化为value[0]。
其余的dp[i][j] 都是由左上方推导得来，所以初始化什么都可以。
遍历顺序
两个维度，先遍历物品，和先遍历背包都可以，因为dp的定义都是由左上角得来所以无所谓。
最后自己推推看就行了。

其实我们可以发现，在物品遍历时，我们可以把dp[i-1]那层拷贝到dp[i]上，那么表达式可以为

dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i]);

这是什么意思呢，就是每个背包容量对应的价值都要和之前的自己比比，这样就压缩了一层空间，但是与其这样，我们直接用一维数组不好吗？于是我们有了一维dp数组，也叫滚动数组

一维dp（滚动数组）

同样的步骤，
dp数组含义
dp[j]表示为：容量为j的背包，物品价值最大可以是dp[j]
dp递推公式

dp[j]由dp[j-weight[i]]推导而来，放入物品i时，我们有两种选择，第一种是选自己，相当于二维dp中的dp[i-1][j],即不放物品i，另一个为选dp[j-weight[i]] + value[i],即取最大的。
所以递推公式为：

dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

初始化
dp[0] = 0没什么好说的，其他值呢？因为在推导dp数组时，要取最大的数，若题目给的价值都为正整数，那么非零下标初始化为0即可。这样就可保证递推过程中dp数组不被初始值覆盖了。
遍历顺序

for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

这里需要注意，背包容量的遍历顺序是和二维不一样的，二维遍历时，背包容量是从小到大，一维背包是从大到小。
why？
倒序遍历是为了物品i只被放入一次
栗子：
下标 0 1 2
容量1 5 8
价值6 12 30
正序遍历时，
dp[1] = dp[1-weight[0]] + value[0] = 6
dp[2] = dp[2-weight[0]] + value[0] = 12
发现了没有，下标为0的物品放入了两次，这是为什么呢？这就跟它的遍历顺序有关，因为递推是由上一个状态推导来的，所以从前往后势必会导致重复放入物品，所以要倒序放入物品
dp[2] = dp[2-weight[0]] + value[0] = 6
dp[1] = dp[1-weight[0]] + value[0] = 6
那又有人要问了，二维怎么不需要倒序呢，因为二维的递推不是由上一个，是由上一层，本层的dp[i][j]不会被覆盖。
那又有人要问了，嵌套的顺序可以改不，也不可以。你想想，现在是内层先遍历容量才可以把所有的物品遍历完，此时要是先遍历容量，内层遍历物品会发生什么，此时dp的j不变，遍历了一圈，比了一个，扔了一个，做无用功，每个dp[j]只放了一个物品，这里不懂纸上两种模拟一下你就懂了。

一维与二维区别

一维要简洁的多，而且空间复杂度降了一个数量级