背包问题（一）：01背包问题

最新推荐文章于 2024-11-05 21:58:11 发布

修理费用250

最新推荐文章于 2024-11-05 21:58:11 发布

阅读量111

点赞数

分类专栏：算法文章标签：动态规划算法

本文链接：https://blog.csdn.net/qq_43173635/article/details/120437168

版权

算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1.问题

有 $N$ 件物品和一个容量为 $V$ 的背包。放入第 $i$ 件物品消耗容量为 $v_i$ ，得到的价值为 $w_i$ 。求背包总价值最大值。

2.基本思路

问题特点：每个特点仅有一件，可以选择放或不放
用子问题定义状态： $F [i, v]$ 表示前 $i$ 个物品放入一个容量为 $v$ 的背包可以获得的最大价值。状态转移方程为：
$F[i,v]=max\{F[i-1,v],F[i-1,v-C_i]+W_i\}\tag{1}$
即对第i个物品有两种选择：
（1）不放入包中，则 $F [i, v] = F [i - 1, v]$ ；
（2）放入包中，则 $F[i,v]=F[i-1,v-C_i]+W_i$ ，即前 $i - 1$ 个物品放入容量为 $v - C i$ 的背包的最大价值加上第 $i$ 个物品的价值；
边界条件： $F [0, 0 . . . V] = 0$ ，即没有物品放入，获得的最大价值为零。
结果： $F [N, V]$ 。
遍历方向：由状态转移方程可知， $F [i, v]$ 与 $F [i - 1, v]$ 和 $F[i-1,v-C_i]$ 有关，即与第 $i - 1$ 行有关，因此遍历方向为从上到下。
伪代码：

$F[0,0...V]\leftarrow 0\\ for \ i \leftarrow 1 to \ \ N\\ \qquad \qquad for \ v \leftarrow C_i \ to \ V \\ \qquad \qquad \qquad \qquad\qquad\qquad\qquad\qquad\qquad\qquad F[i,v]=max\{F[i-1,v],F[i-1,v-C_i]+W_i\}$
时间复杂度：O(VN)
空间复杂度：O(VN)

3.空间复杂度优化

上面提到的变量方向是从上向下，那么左右呢？无论从左向右还是从右向左似乎都可以完成任务，但要进行空间优化，需要进一步分析。
（1）从左向右
若使用 $F[i,C_i]$ 覆盖 $F[i-1,C_i]$ ,则当计算 $F[i,2C_i]$ 时，原来的 $F[i-1,C_i]$ 被覆盖，会出现错误；
在这里插入图片描述
（2）从右向左
若从右向左更新，被更新的位置不会在本次遍历中再次使用，因此从右向左遍历可以优化空间复杂度。

伪代码：
$F[0...V]\leftarrow 0\\ for \ i \leftarrow 1 \ to \ \ N\\ \qquad \qquad for \ v \leftarrow V \ to \ C_i \\ \qquad \qquad \qquad \qquad\qquad\qquad\qquad\qquad F[v]=max\{F[v],F[v-C_i]+W_i\}$

时间复杂度：O(VN)
空间复杂度：O(V)

4.初始化细节

问题分为两种：

（1）背包恰好装满： $F[0]=0,F[1...N]=-\infin$
（2）背包不用装满： $F [0 . . . V] = 0$
如何理解：
回到二维空间考虑， $F [0, 0 . . . V]$ 的含义是前0个物品装 $0 . . . V$ 容量背包能够获得的最大值。若要求恰好装满，除 $F [0, 0]$ 外，其余的 $F [0, 1 . . . V]$ 不满足“恰好”定义，背包价值没有意义；若不用装满， $F [0, 0 . . . V]$ 可以什么都不装，最大价值为零。两者的区别在于边界条件是否有意义。

5.常数优化

内循环的下限可以进行优化：
$\ v \leftarrow \ V \ to \ C_i \qquad\longrightarrow \qquad\qquad for \ v \leftarrow \ V \ to \ max(V- \sum\limits_{j=i}^{N}{C_j},C_i)$

如何理解：
首先看原来的下限是如何得到的：
在内循环中，我们要保证装第 $i$ 个物品前背包至少有 $C_i$ 的余量，即背包容量的最小值为 $C_i$ ，这也就是内循环的下限。如果将其余的物品全部装完还至少有 $C_i$ 的余量，则可以将下限提升到装完其余物品后的余量 $V-\sum\limits_{j=i}^{N}{C_i}$ 。常数优化在 $V$ 较大时效果较好，可以利用前缀和快速计算求和，避免重复计算。