01背包问题

背包问题是动态规划中的经典问题，而01背包问题又是背包问题的著名问题，总之初学动态规划，这个必须要熟练掌握。

01背包问题的大致意思:有n个重量、价值分别为w[i]、v[i]的物品，从这些物品中挑选出总质量不超过W的物品，求所有挑选方案中价值总和的最大值。

1.最朴素的办法，针对每个物品是否放入背包进行搜索试试看，代码如下:

int n;
int w[105];
int v[105];
//从第i个物品开始挑选总重不超过j的物品，注意物品的编号是从0到n-1
int rec(int i,int j)
{
          int res;
          if(i==n) res=0;//已经没有剩余物品
          else{
                if(j<w[i]){//无法挑选这个物品
                                res=rec(i+1,j);
                }
                else res=max(rec(i+1,j),rec(i+1,j-w[i])+v[i]);//挑选或者不挑选
          }
          return res;
}

rec(0,W)即为所求。

但是这个方法很费时间，原因:搜索的深度是n，每一步搜索都有两个分支(某一个物品选还是不选)，最坏情况下时间复杂度是O(2^n)，在n比较大时没法解决。很显然，这个方法用了递归，众所周知递归很费时间是因为递归重复计算了许多结果。因此采用记忆化搜索。(大致意思就是已经计算过的直接利用，可以省时间)

2.记忆化搜索

int n;
int w[105];
int v[105];
int dp[105][10005];
//从第i个物品开始挑选总重不超过j的物品，注意物品的编号是从0到n-1
int rec(int i,int j)
{
          if(dp[i][j]>=0) return dp[i][j];
          int res;
          if(i==n) res=0;//已经没有剩余物品
          else{
                if(j<w[i]){//无法挑选这个物品
                                res=rec(i+1,j);
                }
                else res=max(rec(i+1,j),rec(i+1,j-w[i])+v[i]);//挑选或者不挑选
          }
          return dp[i][j]=res;
}

初始时，把dp全部置为-1，如果dp大于等于0说明已经算过，就不必再算，会省去一些不必要的时间浪费。

参数的组合最多为nW种，因此时间复杂度为O(nW)。

3.动态规划

二维数组dp[i][j]表示从第i个物品开始挑选总重不超过j的物品，显然有:

dp[n][j]=0;

dp[i][j]=dp[i+1][j]，j<w[i]

dp[i][j]=max(dp[i+1][j]，dp[i+1][j-w[i]]+v[i])，j>w[i]。

时间复杂度也为O(nW)。

代码如下:

int n,W;
int w[105];
int v[105];
int dp[105][10005];
//从第i个物品开始挑选总重不超过j的物品，注意物品的编号是从0到n-1
void solve()
{
                for(int i=n-1;i>=0;i--){
                                for(int j=0;j<=W;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]);
                                }
                }
                cout<<dp[0][W]<<endl;
}

4.不断用一个数组就可以实现

void solve()
{
	for(int i=0;i<n;i++){
		for(int j=W;j>=w[i];j--){
			dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
		}
	}
	cout<<dp[W]<<endl;
}