背包问题之01背包

背包问题中掌握01背包问题和完全背包问题就已经足够，背包问题可以如下分类：

很多问题可以转化为背包问题来解决。

01背包：有n件物品和一个能背重量为W的背包。第i件物品的重量为weight[i]，得到的价值为value[i]，每件物品只能用一次，求解背包能获得的最大价值。

使用动态规划求解，动态规划五部曲如下：

（1）确定dp数组及下标

使用二位数组dp[i][j]表示从下标[0 - i] 的数组任意取，放进容量为j的背包，价值总和最大为多少。

（2）确定递推表达式

不放物品i：不放物品i时dp[i][j] = dp[i -1][j]；

放物品i：dp[i][j] = dp[i -1][j - weight[i]] + value[i]；

所以dp[i][j] = max(dp[i][j] = dp[i -1][j]，dp[i -1][j - weight[i]] + value[i])。

（3）dp数组初始化

dp[i][0]均初始化为0，由递推表达式，dp[i][j]要由dp[i-1][j]推导，所以dp[0][j]需要初始化，当j小于weight[0]时应该为0，当j>=weight[0]时，dp[0][j]应该为value[0]。

（4）遍历顺序

遍历维度有两个：物品和背包重量，从任何一个维度开始遍历都可以。

（5）举例推导dp数组

完整实现代码如下：

void wei_bag_problem() {
	vector<int> weight = {1,3,4};
	vector<int> value = {15,20,35};
	int bagweight = 4;
	//1.dp数组及下标含义
	vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0)); 
	
	
	//3.数组初始化
	for(int j = weight[0]; j<=bagweight; j++) {
		dp[0][j] = value[0];
	}
	//4.遍历顺序
	//2.确定递推表达式
	for(int i = 1; i<weight.size(); i++) {
		for(int j = 0; j<=bagweight; j++) {
			if(j<weight[i]) dp[i][j] = dp[i-1][j];
			else dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i]);
		}
	}
	cout<<dp[weight.size()-1][bagweight] <<endl;
	//5.举例推导dp数组 
} 

int main() {
	wei_bag_problem();
}

使用滚动数组实现二维dp数组

由于dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])；如果把i-1那一层直接复制到第i层，那就可以只用一个一维数组，dp[i][j] = max(dp[i ][j], dp[i][j - weight[i]] + value[i])；即为滚动数组dp[j]，实现代码如下：

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

 
    vector<int> dp(bagWeight + 1, 0);
    for(int i = 0; i < weight.size(); i++) { 
        for(int j = bagWeight; j >= weight[i]; j--) { 
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
        }
    }
    cout << dp[bagWeight] << endl;
}

int main() {
    wei_bag_problem();
}