朴素版01背包及其优化

第一次发文章，仅作为Acwing算法基础学习的笔记如果有大佬看见希望能够指出其中错误orz

目录

朴素版：

优化思路：

优化步骤：

实战：

输入格式

输出格式

数据范围

---

描述:
有n件物品和一个容量为m的背包。第i件物品的费用是v[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。

状态表示：dp[i][j] 表示在前i个物品中选取总体积不超过j的所有方法中最高的价值

其中第i个物品存在两种状态我们通过分析这两种状态得出状态转移方程

（1）不选择第i个物品

此时dp[i][j]=dp[i-1][j]

（2）选择第i个物品

此时dp[i][j]=dp[i-1][j-v[i]]+w[i]

其中v[i]表示第i个物品体积w[i]表示第i个物品价值

朴素版：

​
//v[i]表示第i个物品体积
//w[i]表示第i个物品价值
for (int i = i; i <= n; i++)
	for (int j = 0; j < m; j++)
	{//状态转移方程
		dp[i][j] = dp[i - 1][j];//这种情况一定存在
        //这种情况只有当v[i]小于j时才存在
        //当两种情况同时存在时dp[i][j]为其中较大的情况
		if (j >= v[i]) dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);
	}

​

图片转自：三种背包问题+滚动数组优化

传送门：https://blog.csdn.net/qq_45282116/article/details/107349050

优化思路：

从上图们可以清楚的知道，没次更新dp[i][j](j=1,2,3...m)时我们只会使用到上一组数据即dp[i-1][j](j=1,2,3...m)的数据。所以我们就可以将二维数组转换为一维数组，前提是我们每一次更新[dp[i][j](j=1,2,3...m)]所使用到的数据必须是上一组[dp[i-1][j](j=1,2,3...m)]的数据。

优化步骤：

1、将二维数组变为一维数组即dp[n][m]变为dp[m]

则dp[i][j] = dp[i - 1][j]变为dp[j] = dp[j]为恒等式删去

2、由于当v[i]>j时没有意义故j起始值变为v[i]

代码则变为：

​
for (int i = i; i <= n; i++)
	for (int j = v[i]; j <= m; j++)
		dp[j] = max(dp[j], dp[j - v[i]] + w[i]);

​

现在讨论该代码是否与朴素版代码是否等价

对于等号右边即max(dp[j], dp[j - v[i]] + w[i])

此时dp[j]由dp[j]、dp[j - v[i]] + w[i]更新如果这两个数据是来自上一组数据就可以认为其与朴素版等价。

1、对于dp[j]，由于此时dp[j]还未更新所以此时dp[j]依然是来自上一组数据

2、对于dp[j - v[i]] + w[i]，由于v[i]恒大于0所以j-v[i]严格小于j，但由于j从小到大开始遍历，所以dp[j - v[i]] + w[i]在之前就已经被更新过了所以不是上一组数据。

为了解决这种情况我们采用反向迭代   

即在更新dp[j]是我们选择从后玩往前更新，这种更新方法就很好的避免了dp[j - v[i]] + w[i]被提前更新保证了我们使用的数据都来自上一组数据。

反向迭代流程：

修改后的代码：

​
for (int i = 1; i <= n; i++)
        for (int j = m; j >= w[i]; j--)
            dp[j] = max(dp[j], dp[j - v[i]] + w[i]);

​

实战：

题目来源:Acwing  2. 01背包问题

题目描述：

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 v[i]，价值是 w[i]。

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 v[i],w[i]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≤10000<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

朴素版代码：

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int n, v, w[N], val[N];
int dp[N][N];//dp[i][j]表示前i个物品总体积不超过j的所有情况中最高的总价值
//朴素版
int main() {
	cin >> n >> v;
	for (int i = 1; i <= n; i++)  cin >> w[i] >> val[i];
	for (int i = 1; i <= n; i++)//dp[0][j]恒为0可以不用讨论
		for (int j = 1; j <= v; j++){
		    dp[i][j]=dp[i-1][j];
			if(j>=w[i]) dp[i][j] = max(dp[i][j], dp[i-1][j - w[i]] + val[i]);
		}
	cout << dp[n][v];
}

 优化后：

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int n, v, w[N], val[N];
int dp[N];//dp[i][j]表示前i个物品总体积不超过j的所有情况中最高的总价值

//优化版
int main() {
    cin >> n >> v;
    for (int i = 1; i <= n; i++)  cin >> w[i] >> val[i];
    for (int i = 1; i <= n; i++)//dp[0][j]恒为0可以不用讨论
        for (int j = v; j >= w[i]; j--)
            dp[j] = max(dp[j], dp[j - w[i]] + val[i]);
    cout << dp[v];
}

 如果有野生大佬发现错误希望指正。