背包问题分析——从数学到代码

有三种背包问题，01背包问题，完全背包问题，多重背包问题。

一、01背包问题

一堆物品，每种只有一个，价值为v[], 重量为w[], 背包称重n, 求最大价值。

看了好多博客，感觉直接上代码啥的有点难受。
我的思路是这样的。

1，手动做题

先直观感受一下吧，人脑整一发。
题目如下：

	0	1	2
w	1	2	3
v	6	10	12

背包重量为5.

思路是这样，我们一件物品一件物品按顺序放。
对于每件物品，只有两种可能，放，或者，不放。
放，现在的价值= 留了空间之后的最大价值+当前物品价值
不放，现在的价值= 曾经认为的该重量可拥有的最大价值

如果不懂，看看下面的步骤，回头再看应该就懂了。

(1) 放第一件物品，重量可以是从0到5，得到以下表格

	0	1	2	3	4	5
0	0	6	6	6	6	6

第一排标题表示，重量，分别是0，1，2，3，4，5。
下面一排表示，放第几个物品，这里是0，放第0个。
中间的值表示，当前背包的价值。
由于每个物品只有1个，所以从重量1开始，价值一直是6.

(2)放第二件物品，重量可以是从0到5，得到以下表格

	0	1	2	3	4	5
0	0	6	6	6	6	6
1	0	6	10	16	16	16

我们用dp[i]表示i重量下的最大价值，w[i],v[i]表示第i个物品的重量和价值。
现在可以具体分析一下，最右下角那个16怎么来的。

语言上： 重量为5，要放第1个物品。 因为该物品重量为2，所以为了价值最大，应该使用：重量为3的最大价值+该物品的价值。 或者，不放这个物品。

数学上：dp[5]=max (dp[5-w[1]]+v[1],dp[5]) =max (dp[3]+v[1],dp[5])

同理，dp[4]也会被更新，dp[3],dp[2]…dp[0]都是一样的。

(3)放第三件物品，一样的，不想放了哈哈哈哈哈。

不过我们会发现什么呢，以放第二个物品，也就是上面那个公式为例。

我们发现dp[5]的更新，和上面一排的状态有关，而且是和当前列的左边有关。

在代码看来，dp[5]和 {dp[4],dp[3]，dp[2]，dp[1]，dp[0]} 都可能有关，因为你不知道w[i]是多少。

所以写代码的时候，我们要倒序更新dp。要不然dp[3]提前更新了，dp[5]再更新，那岂不是相当于放了两次该物品，这是不对滴。

(4)01背包问题思路总结

总的来说，就是把dp[5]到dp[0]一层一层的更新，而且顺序是逆序的。
更新规则就是 max(dp[5],dp[5-w[i]+v[i]])。
代码中，把5换成变量即可。

(5)代码

public void getPacket(int[] v,int[] w,int n) {
	int[] dp=new int[n+1];
	for(int i=0;i<v.length;i++) {
		for(int j=n;j>w[i];j--) {
			dp[j]=Math.max(dp[j], dp[j-w[i]]+v[i]);
		}
	}
}

随口记录一下：
外层循环就是一层一层的更新那个表，
内层循环就是逆序更新dp[i]，
有个剪枝，就是背包重量本来就放不下本次物品，那就不用计算了，背包价值直接是之前的值。

另外，实际上我只记录了最好的一种算法，其他博客是有从递归，到动态规划，到最简空间动态规划的延伸过程的，也可以去看看。 我只是觉得我个人不好理解他们的最简空间，所以专门记录一下。

这个大佬有状态转移方程的证明，用的反证法。

这个大佬讲解了一步一步深入的算法过程。

---

二、完全背包问题

类似的，题目变成 每个物品有无限个。

马上就能想到，还是一样的表格，只不过dp[i]的更新顺序得变换一下。

因为，每个物品可以重复拿，那么每一行的dp[i]实际上是和本行（即当前）左边的值有关。(对比01背包，是和上一行（因为每个物品只有一个）左边的值有关。)

我们从左到右计算暗示了一个条件:
对每个新的重量，只需要考虑放一个当前物品。
因为之前的物品已经放成最优化了。
即假如：7的重量是2个重量3，1个重量1。
那么第一个重量3，早就在重量4的背包里讨论过了。

所以更新规则也很舒服了啊。

dp[i+1]=max (dp[5-w[i+1]]+v[i+1],dp[5])

这里的5表示背包当前重量，不用变量看的清楚点。`

public void getPacket(int[] v,int[] w,int n) {
	int[] dp=new int[n+1];
	for(int i=0;i<v.length;i++) {
		for(int j=w[i];j<=n;j++) {
			dp[j]=Math.max(dp[j], dp[j-w[i]]+v[i]);
		}
	}
}