算法_0-1背包问题理解

一、 0-1背包问题

1） 问题描述
给定n种物品：物品i的重量是w[i], 物品的价值是v[i];
给定一个背包， 背包最大能装重量为capacity的物品；（物品不可分割）
输入数据:
n = 5;
w[n] = { 0, 2, 2, 6, 5, 4}; //0是占位，可忽略
v[i] = {0, 6, 3, 5, 4, 6};

2） 动态规划与贪心算法的区别:
动态规划时候，做选择时候要考虑子问题的最优解；
贪心算法时候， 只要做出相对于当前局部的最优解就可以， 不考虑子问题的解；

3）问题分析：找出子问题空间和影响子问题两个维度的两个因素
从问题描述中可以知道几个参数：重量、价值、物品编号；价值这个参数肯定是最优解的参数，剩余两个参数（重量， 编号）可虑作为子问题空间的维数
例如，选择物品i放入背包，会导致背包容量变化，所以可以知道背包容量大小的变化是子问题的一部分，设背包容量变化为capacity = {0, 1, 2, …, 10};
子问题空间的另一部分是选择哪一种物品，设悬着物品i = {1, 2, 3, 4, 5};
则0-1背包问题变为求解m(i, capacity)的最优解；即当背包空间为capacity的时候， 选择物品i时候背包的价值最大；

４）确定边界条件：
假设第一个选择就是编号为5的物品放入背包（因为编号5的物品价值最大）， 当背包容量>= 4的时候， 物品5可以放入背包；
如下表，在选择物品5放入背包后， 背包的价值：

之后，在此基础上选择物品4， 此时假设已经做过对物品5的选择；
1） capacity < w[4]，不能放入物品4， 背包中的价值为之前价值, 即m(4+1, capacity);
2） capacity>=w[4], 可以选择是否放入物品4，
A）如果还是不放入物品4， 则背包中的价值是之前背包的价值， 即m(4+1, capacity)；
B）如果放入物品4，则背包的价值=当前物品的价值 + m(4+1, capacity-w[4])价值的和； 仔细理解动态规划算法的特点， 每一个不同的选择会导致不同的子问题（选择会影响子问题的解，贪心算法只是做出选择而不关心子问题的解）， 如果选择将物品4放入背包，则背包剩余空间是capacity - w[4], 其子问题的最优解变成m(4+1, capacity - w[4]);——动态规划的每一次选择都影响子问题的解
比较m(4+1, capacity) 和 m(4+1, capacity-w[4]) + v[4]的值，来判断是否选择物品4
因此填表时候，当capacity = 5的时候， 选择不放物品4的背包价值是6， 放物品4的背包价值是m(4+1, capacity-5) + v[4] = 4,因此不放物品4；
一直到capacity = 9的时候m(4+1, capacity-5) + v[4] = 10；此时将物品4放入背包；

（重点：每一次做选择的时候，都要考虑这个选择对子问题的影响）；

0-1背包问题的最优子结构：
边界条件是选择价值最大的物品第一个放入背包(下面图片中， capacity就是j:

动态规划的状态方程是，(capacity就是j)：

二、代码

使用m[i][j] 表示当背包剩余空间为j的时候，选择物品i， 背包的价值是多少；

#include <stdio.h>
#include <stdlib.h>

int w[] = {
    0, 2</