动态规划之背包问题以及优化为一维数组和完全背包问题（最易理解的讲解）

       有n个物品，它们有各自的体积和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？

i（物品编号）	1	2	3	4
w（体积）	2	3	4	5
v（价值）	3	4	5	6

背包问题的解决过程
在解决问题之前，为描述方便，首先定义一些变量：Vi表示第 i 个物品的价值，Wi表示第 i 个物品的体积，定义V(i,j)：当前背包容量 j，前 i 个物品最佳组合对应的价值，同时背包问题抽象化（X1，X2，…，Xn，其中 Xi 取0或1，表示第 i 个物品选或不选）。

1、建立模型，即求max(V1X1+V2X2+…+VnXn)；

2、寻找约束条件，W1X1+W2X2+…+WnXn<capacity；

3、寻找递推关系式，面对当前商品有两种可能性：

包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)；
还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝。
其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)，但价值增加了v(i)；

由此可以得出递推关系式：

j<w(i)      V(i,j)=V(i-1,j)
j>=w(i)     V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝
第一种是第i件商品没有装进去，第二种是第i件商品装进去了。没有装进去很好理解，就是V(i-1,j)；装进去了怎么理解呢？如果装进去第i件商品，那么装入之前是什么状态，肯定是V(i-1,j-w(i))。由于最优性原理（上文讲到），V(i-1,j-w(i))就是前面决策造成的一种状态，后面的决策就要构成最优策略。两种情况进行比较，得出最优。

4、填表，首先初始化边界条件，V(0,j)=V(i,0)=0；

然后一行一行的填表：

如，i=1，j=1，w(1)=2，v(1)=3，有j<w(1)，故V(1,1)=V(1-1,1)=0；
又如i=1，j=2，w(1)=2，v(1)=3，有j=w(1),故V(1,2)=max｛ V(1-1,2)，V(1-1,2-w(1))+v(1) ｝=max｛0，0+3｝=3；
如此下去，填到最后一个，i=4，j=8，w(4)=5，v(4)=6，有j>w(4)，故V(4,8)=max｛ V(4-1,8)，V(4-1,8-w(4))+v(4) ｝=max｛9，4+6｝=10……

所以填完表如下图：

5、表格填完，最优解即是V(number,capacity)=V(4,8)=10。

代码实现：

为了和之前的动态规划图可以进行对比，尽管只有4个商品，但是我们创建的数字元素有5个。

#include<iostream>
using namespace std;
#include <algorithm>
 
int main()
{
	int w[5] = { 0 , 2 , 3 , 4 , 5 };			//商品的体积2、3、4、5
	int v[5] = { 0 , 3 , 4 , 5 , 6 };			//商品的价值3、4、5、6
	int bagV = 8;					        //背包大小
	int dp[5][9] = { { 0 } };			        //动态规划表
 
	for (int i = 1; i <= 4; i++) {
		for (int j = 1; j <= bagV; j++) {
			if (j < w[i])
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
		}
	}
 
	//动态规划表的输出
	for (int i = 0; i < 5; i++) {
		for (int j = 0; j < 9; j++) {
			cout << dp[i][j] << ' ';
		}
		cout << endl;
	}
 
	return 0;
}

 

背包问题最优解回溯

通过上面的方法可以求出背包问题的最优解，但还不知道这个最优解由哪些商品组成，故要根据最优解回溯找出解的组成，根据填表的原理可以有如下的寻解方式：

V(i,j)=V(i-1,j)时，说明没有选择第i 个商品，则回到V(i-1,j)；
V(i,j)=V(i-1,j-w(i))+v(i)时，说明装了第i个商品，该商品是最优解组成的一部分，随后我们得回到装该商品之前，即回到V(i-1,j-w(i))；
一直遍历到i＝0结束为止，所有解的组成都会找到。
就拿上面的例子来说吧：

最优解为V(4,8)=10，而V(4,8)!=V(3,8)却有V(4,8)=V(3,8-w(4))+v(4)=V(3,3)+6=4+6=10，所以第4件商品被选中，并且回到V(3,8-w(4))=V(3,3)；
有V(3,3)=V(2,3)=4，所以第3件商品没被选择，回到V(2,3)；
而V(2,3)!=V(1,3)却有V(2,3)=V(1,3-w(2))+v(2)=V(1,0)+4=0+4=4，所以第2件商品被选中，并且回到V(1,3-w(2))=V(1,0)；
有V(1,0)=V(0,0)=0，所以第1件商品没被选择。

代码实现

背包问题最终版详细代码实现如下：

#include<iostream>
using namespace std;
#include <algorithm>

int w[5] = { 0 , 2 , 3 , 4 , 5 };			//商品的体积2、3、4、5
int v[5] = { 0 , 3 , 4 , 5 , 6 };			//商品的价值3、4、5、6
int bagV = 8;					        //背包大小
int dp[5][9] = { { 0 } };			        //动态规划表
int item[5];					        //最优解情况
 
void findMax() {					//动态规划
	for (int i = 1; i <= 4; i++) {
		for (int j = 1; j <= bagV; j++) {
			if (j < w[i])
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
		}
	}
}
 
void findWhat(int i, int j) {				//最优解情况
	if (i >= 0) {
		if (dp[i][j] == dp[i - 1][j]) {
			item[i] = 0;
			findWhat(i - 1, j);
		}
		else if (j - w[i] >= 0 && dp[i][j] == dp[i - 1][j - w[i]] + v[i]) {
			item[i] = 1;
			findWhat(i - 1, j - w[i]);
		}
	}
}
 
void print() {
	for (int i = 0; i < 5; i++) {			//动态规划表输出
		for (int j = 0; j < 9; j++) {
			cout << dp[i][j] << ' ';
		}
		cout << endl;
	}
	cout << endl;
 
	for (int i = 0; i < 5; i++)			//最优解输出
		cout << item[i] << ' ';
	cout << endl;
}
 
int main()
{
	findMax();
	findWhat(4, 8);
	print();
 
	return 0;
}

 

01背包的一维数组的问题

 

有一堆已知重量为w[j]以及价值为v[j]的物品，在每件物品只能拿一次的情况下，在j件物品中选取重量不超过i的最大价值，设dp[i]为能拿到就j件物品时对应的最大价值。

代码如下：

#include <iostream>
using namespace std;
int main(){

    int w[5]={0,2,3,4,5};
    int v[5]={0,3,4,5,6};
    int dp[9]={0};
    for(int j=1;j<=4;j++){
        for(int i=8;i>0;i--){
            if(i>=w[j]){
                dp[i]=max(dp[i-w[j]]+v[j],dp[i]);
            }

        }
    }
    cout<<dp[8]<<endl;
    return  0;
}

注意，第二个for (int v=j;v>0;v–) 是从v=j倒序开始更新f[j]；
也就是说，当f[v]开始更新的时候，
f[v] = f[v] > (f[v- weight[i]] + value[i])? f[v]: f[v- weight[i]] + value[i];
此时的f[v]其实是跟上一个i-1的时候的f[v]去比较（上一个的f[v]是不能取到第i件物品的）。更新之后如果能取到第i个物品，那么就比较不取第i件物品跟取到第i件物品的价值。取大（f[v]全部初始化为0）
so，注意理解。f[v]是能取第i件以及之前所有物品的最大价值，每次的比较都是围绕能取第i件（含之前的物品）以及第i-1件（含之前的物品）的价值。

上面时01背包问题，下面四完全背包问题。

#include <iostream>
using namespace std;
int main(){

    int w[5]={0,2,3,4,5};
    int v[5]={0,3,4,5,6};
    int dp[9]={0};
    for(int j=1;j<=4;j++){
        for(int i=1;i<=8;i++){
            if(i>=w[j]){
                dp[i]=max(dp[i-w[j]]+v[j],dp[i]);
            }
        }
    }
    cout<<dp[8]<<endl;
    return  0;
}

注意，修改的仅仅是第二个for循环的顺序。由倒序改成顺序。
01背包中，为什么要倒序，因为每个背包只能拿一次。那么在每一次的i，v循环中，我们仅仅需要知道的是第i件物品能不能放下，能的话跟上一次的比较就可以。因为上一次循环的f[v]是在i-1件物品只能拿一次的情况下的最大值，倒序是为了仅跟上次的状态（i-1件物品）比较。

完全背包中相反，采用顺序。
举例，第i件物品重量是1，价值是value；
那么这个时候要先更新f[1]，比较前i-1件物品的f[1]以及value；
然后到f[2]，f[2]就应该max（前i件物品的f[2-1]+value，前i-1件物品的f[2-1]）然后跟前i-1件物品的f[2]比较。
f[3]同理。一路推到f[v]。
完全背包比较的应该是：前i件物品的f[v-weight]+value，前i-1件物品的f[v-weight]，前i-1件物品的f[v]这三者的比较。也就是当前状态，需要先推导出重量v之前的当前状态，才能得到最大值。这就是完全背包