力扣刷题记录2

动态规划之背包问题

参考链接：动态规划之背包问题系列

百度百科有云：背包问题(Knapsack problem)是一种组合优化的NP完全（NP-Complete，NPC）问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。相似问题经常出现在商业、组合数学，计算复杂性理论、密码学和应用数学等领域中。也可以将背包问题描述为决定性问题，即在总重量不超过W的前提下，总价值是否能达到V？

NPC问题是没有多项式时间复杂度的解法的，但是利用动态规划，我们可以以伪多项式时间复杂度求解背包问题。一般来讲，背包问题有以下几种分类：

1. 0-1背包问题

1.1 题目

最基本的背包问题就是0-1背包问题（01 knapsack problem）：一共有N件物品，第i（i从1开始）件物品的重量为w[i]，价值为v[i]。在总重量不超过背包承载上限W的情况下，能够装入背包的最大价值是多少？

1.2 分析

如果采用暴力穷举的方式，每件物品都存在装入和不装入两种情况，所以总的时间复杂度是O(2^N)，这是不可接受的。而使用动态规划可以将复杂度降至O(NW)。我们的目标是书包内物品的总价值，而变量是物品和书包的限重，所以我们可定义状态dp:
$dp[i][j]表示将前i件物品装进限重为j的背包可以获得的最大价值,0<=i<=N,0<=j<=W$

那么我们可以将$dp[0][0...W]$初始化为0，表示将前0个物品（即没有物品）装入书包的最大价值为0。那么当 i > 0 时$dp[i][j]$有两种情况：
不装入第i件物品，即$dp[i-1][j]$；
装入第i件物品（前提是能装下），即$dp[i-1][j-w[i]]+v[i]$。
即状态转移方程为
$$dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])//j>=w[i]$$
由上述状态转移方程可知，$dp[i][j]$的值只与$dp[i-1][0,...,j-1]$有关，所以我们可以采用动态规划常用的方法（滚动数组）对空间进行优化（即去掉dp的第一维）。需要注意的是，为了防止上一层循环的$dp[0,...,j-1]$被覆盖，循环的时候 j 只能逆向枚举（空间优化前没有这个限制），伪代码为：

$$\begin{gathered} //0-1背包问题伪代码(空间优化版) \\ dp[0,...,W]=0 \\ fori=1,...,N \\ forj=W,...,w[i]//必须逆向枚举!!! \\ dp[j]=max(dp[j],dp[j-w[i]]+v[i]) \end{gathered}$$

时间复杂度为O(NW), 空间复杂度为O(W)。由于W的值是W的位数的幂，所以这个时间复杂度是伪多项式时间。

动态规划的核心思想避免重复计算在0-1背包问题中体现得淋漓尽致。第i件物品装入或者不装入而获得的最大价值完全可以由前面i-1件物品的最大价值决定，暴力枚举忽略了这个事实。