动态规划（三）：01背包问题

一、背包问题概述

背包问题为有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。将这些物品装进背包，怎么装价值最高。 根据条件不同，可以分为以下几类：

1. 01背包：每件物品只有一个，要不拿一个，要不不拿
2. 完全背包：每件物品有无数个，可以拿0-任意个
3. 多重背包：不同物品数量不同
4. 分组背包：多种物品组成一个小组，每组只能拿一种
5. 组合背包：01背包，完全背包与多重背包的组合体

leetcode上学会01背包，完全背包和多种背包足够了，因此这里只讲这三种。全面的背包问题讲解推荐《背包九讲》

二、01背包二维解法

1、问题概述

有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只有一个，求解将哪些物品装入背包里物品价值总和最大。

2、dp数组定义

定义dp数组为二维数组，dp[i][j]表示01背包条件下物品编码为0-i，背包重量为j时的最大价值总和。

2、递推公式

dp[i][j]可以由两种情况推导而来：

• 在增加物品i时，不将其放入背包：此时dp[i][j]由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j] = dp[i - 1][j]
• 在增加物品i时，将其放入背包：此时dp[i][j]由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]]为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i][j] = dp[i - 1][j - weight[i]] + value[i]

综上，dp[i][j]取两种情况下价值最大的情况：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])

3、dp数组初始化

由于dp[i][j]是由dp[i-1][j]推导出来的，因此要初始化全部的dp[0][j]

1. 首先将dp数组全部初始化为0
2. dp[i][0]全部初始化为0
3. 然后初始化只放物品0时候背包的最大价值dp[0][j]

//当前背包容量j大于等于物品0的重量时候，初始化dp[0][j] = value[0]
//这里是倒序遍历dp[0][bagWeight]~dp[0][0]实现上述功能，倒序遍历实现了每样物品只拿一个，当计算dp[0][j]的时候其前面的dp[0][j - weight[0]]是0，没放东西的，这里是为了和更复杂的背包问题初始化保持一致
// 初始化 dp
vector<vector<int>> dp(weight.size() + 1, vector<int>(bagWeight + 1, 0));
for (int j = bagWeight; j >= weight[0]; j--) {
   
    dp[0][j] = dp[0][j - weight[0]] + value[0];
}

4、遍历顺序

根据递推公式dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])，dp[i][j]依赖其上方元素和左上方元素，因此先遍历背包（先横向遍历）和先遍历物品（先纵向遍历）都是可以的

5、完整代码

void test_2_wei_bag_problem1() {
   
    vector<int> weight = {
   1, 3, 4};
    vector<int> value = {
   15, 20, 30};
    int bagWeight = 4;

    /-----dp数组初始化-----/
    vector<vector<int>> dp(weight.size() + 1, vector<int>(bagWeight + 1, 0));
    for (int j = bagWeight; j >= weight[0]; j--) {
   
        dp[0][j] = dp[0][j - weight[0]] + value[0];
    }

    /----遍历，递推公式---/
    for(int i = 1; i < weight.size(); i++) {
    // 遍历物品
        for(int j = 0; j <= bagWeight; j++) {
    // 遍历背包容量
            if