DP学习——01背包

题目

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 vi，价值是 wi。
求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。
接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围

0<N,V≤1000
0<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

8

解法

一、朴素DP

状态表示

用一个二维的状态$f(i,j)$，表示在前$i$个物品中选择，在满足总体积不超过$j$的条件下能够得到的最大价值。

状态划分和计算

对于第$i$个物品，先判断第$i$个物品是否装得下：

• $j<v_i$：装不下，则在前$i$个物品中选择，就相当于在前$i-1$个物品中选择，于是有：

$$f(i,j)=f(i-1,j),j<v_i$$

• $j\ge v_i$：装的下，则要考虑装和不装两个选择，取$max$。选择不装的情况也就是和装不下一样的效果，接下来重点分析一下选择装的情形：

  此时我们要知道，第$i$个物品是一定在这个状态里面的，这是不变的部分($v_i$)，而对前面$i-1$个物品的选择是可变的，那么我们要怎么样选择前面这$i-1$个物品呢？

  显然，如果要使得装入物品$i$后为价值最大，那么对前面这$i-1$个物品的选择也是要最优的，去掉不变部分的影响，对前面这$i-1$个物品的选择是在$j-v_i$的体积限制下进行的，能得到最大的价值就是$f(i-1,j-v_i)$，这样一来就能得到：
  $$f(i,j)=max(f(i-1,j),f(i-1,j-v_i)+w_i),j\ge v_i$$

将所有情况综合，就能得到状态转移方程：
$$f(i,j)=\{\begin{array}{l}f(i-1,j),j<v_i\\ max(f(i-1,j),f(i-1,j-v_i)+w_i),j\ge v_i\end{array}$$
代码如下

Scanner scanner = new Scanner(System.in);
int[] v = new int[1001];
int[] w = new int[1001];
int[][] f = new int[1001][1001];
int N, V;
N = scanner.nextInt();
V = scanner.nextInt();
for (int i = 1; i <= N; i++) {
    v[i] = scanner.nextInt();
    w[i] = scanner.nextInt();
}
for (int i = 1; i <= N; i++) {
    // 这里体积从0开始是合法的，因为不选任何物品的情况下满足这个体积限制
    for (int j = 0; j <= V; j++) {
        f[i][j] = f[i - 1][j];
        if (j >= v[i]) {
            f[i][j] = Math.max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }
    }
}
System.out.println(f[N][V]);

二、优化

注意：所有对DP的优化都是对原代码的等价变形，也就是仅在代码逻辑层面上进行优化，而保留了最初的核心思想！

1、降维优化

观察状态转移方程
$$f(i,j)=\{\begin{array}{l}f(i-1,j),j<v_i\\ max(f(i-1,j),f(i-1,j-v_i)+w_i),j\ge v_i\end{array}$$
我们可以发现，选到第$i$个物品的时候，解只和选择$i-1$个物品的情况有关，所以我们只需要关注最新的两类状态——前$i-1$个物品的状态和前$i$个物品的状态即可。这样我们就可以将二维的$f(i,j)$压缩成一维的$f(j)$，每轮都用旧的$f$来更新新的$f$（滚动数组的思想），从而实现$i-1$到$i$的状态转移。

于是有了如下代码：

int[] f = new int[1001];
// ....
for (int i = 1; i <= N; i++) {
    for (int j = 0; j <= V; j++) {
        f[j] = f[j];
        // f[i][j] = f[i - 1][j];
        if (j >= v[i]) {
            f[i][j] = Math.max(f[j], f[j - v[i]] + w[i]);
            // f[i][j] = Math.max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
        }
    }
}
System.out.println(f[V]);

但是这个代码还有一个问题，在将$f(i-1,j-v_i)$处理成$f(j-v_i)$后，$f(j-v_i)$并不等价于$f(i-1,j-v_i)$，而是等价于$f(i,j-v_i)$。原因在于更新状态时，我们对$f$数组进行从左向右的遍历，指针左侧为前$i$个物品的状态，右侧还未更新的是前$i-1$个物品的状态，$f(j-v_i)$是在$f(j)$左侧的，所以不属于旧状态。为此，我们需要将遍历顺序调反，以保障等价性：

int[] f = new int[1001];
// ....
for (int i = 1; i <= N; i++) {
    // 反向遍历f，另外可以将"是否装的下"的判断直接移到循环判断里去，装不下的话就不继续装了
    for (int j = V; j >= v[i]; j--) 
            f[j] = Math.max(f[j], f[j - v[i]] + w[i]);
}
System.out.println(f[V]);