【仓鼠啃算法】动态规划之“01背包”问题（1）

1、问题描述

有N件物品，一个最多承重为W的背包。

给出一个 weight[] 数组和一个 value[] 数组，weight[i] 表示第 i 件物品的重量，value[i] 表示第 i 件物品的价值。

每件物品只有一个，且只能整体使用，不能分割。求解，将哪些物品装入背包后，总价值最大？

2、问题分析

注意，这个背包问题的要求是，每件物品只有一个，且只能整体使用。它还有两个兄弟姐妹：

• 如果物品可以分割成小份，就属于“贪心背包”。做法是，计算每个物品的“性价比”，然后从大到小装满背包即可。

• 如果物品数量无限，就属于“完全背包”问题。

暴力解法

来分析问题。每件物品只有两种可能性：取或者不取。可以使用回溯算法，搜索所有的情况，记录最大的价值即可。

时间复杂度是O(2n)，需要使用动态规划来优化。

3、二维 dp 数组

DP 五部曲：

1. 确定 dp 数组及下标的含义。

   dp[i][j] 表示，从下标为 [0~i] 的物品中，取任意物品放入容量为 j 的背包的价值总和（这些物品会使得背包的价值最大）

   注意 j 不是剩余容量，而是当前假设背包的总容量

2. 确定递推公式

   可以从两个方向推导 dp[i][j]：

   • 由 dp[i-1][j] 推出，即背包容量为 j ，里面不放物品 i 的最大价值，此时 dp[i][j] 就是 dp[i-1][j]

   • 由 dp[i-1] [ j-weight[i] ] 推出，dp[i-1] [ j-weight[i] ] 是当背包容量为 j-weight[i] 时，不放物品 i 的最大价值

     那么 dp[i-1] [ j-weight[i] ] + value[i] 就是背包放入物品 i 后得到的最大价值

   所以递推公式是：dp[i][j] = Math.max(dp[i-1][j], dp[i-1] [ j-weight[i] ] + value[i] ) 其实就是看一看，放入 i 这个物品到底好不好

3. 初始化 dp 数组

   • 如果容量为0，那么价值肯定就是0，所以每个 dp[i][0] = 0

   • 递推公式用到了 i-1，所以 dp[0][j] 也必须初始化。它的含义是，各个容量存放0号物品的情况（能放下，价值就是0号的价值。放不下，价值就为0）

4. 确定遍历顺序

   遍历有两个维度：物品、背包重量。

   其实从哪个先遍历都可以，这是因为需要的历史数据都来源于 dp[i][j] 的左上角。只要不影响dp的推导，那么怎么遍历都可以。

5. 举例推导 dp 数组

如何理解这个状态转移公式

首先明确，dp[i][j] 的含义是：容量为 j 的背包，从 0~i 号物品中，挑选几个放入背包，能得到的最大价值。

接着，如果当前背包的容量 j > weight[i]，即这个物品能放入背包中，考虑要不要放入它：

• 如果不放入，则背包变成了“从 0~i 号物品中选择，它的容量是 j，它的价值不变” （之前的状态是，从 0~i-1 号物品中选择，容量为 j ）

• 如果选择放入，则背包变成了“从 0~i 号物品中选择，它的容量是 j-weight[i]，它的价值增加了value[i]”

我们取这两种状态的最大值，这就是处置物品 i 的最优策略。再来看状态转移公式，就很明了：

dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i]);

接着考虑，为什么这两种状态的值，都已经存在于dp数组中？

• 对于物品的范围，相当于在同一列上做取舍，且依赖的是“靠近上面”的值

• 对于背包的容量，相当于在同一行上做取舍，且依赖的是“靠近左边”的值

我们只需要将第一行（不同容量的背包要装0号物品），和第一列（容量为0的背包要装每个物品）的值进行初始化，后面的值就能依次计算出来。

代码实现

public class Bag {
    public static void main(String[] args) {
        int[] weight = {1, 3, 4};
        int[] value = {15, 20, 30};
        int bagWeight = 4;
        domain(weight, value, bagWeight);
    }
​
    public static void domain(int[] weight, int[] value, int bagWeight){
        //dp数组
        int[][] dp = new int[value.length][bagWeight + 1];
​
        //初始化
        for (int j = weight[0]; j <= bagWeight; j++){
            dp[0][j] = value[0];
        }
​
        //先遍历物品再遍历背包
        for (int i = 1; i < value.length; i++){
            for (int j = 0; j <= bagWeight; j++){
                //如果剩余容量装不下物品i，那就不装
                if (j < weight[i]){
                    dp[i][j] = dp[i-1][j];
                }else{
                    //能装得下，考虑是否要装它
                    dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i]);
                }
            }
        }
​
        //dp数组构建完成，给出给定物品个数和背包容量的最大值
        System.out.println(dp[value.length-1][bagWeight]);
​
        //打印dp数组
        for (int i = 0; i < value.length; i++){
            System.out.print(i+"号物品：   ");
            for (int j = 0; j <= bagWeight; j++){
                System.out.print(dp[i][j] + " ");
            }
            System.out.println();
        }
    }
}