关于01背包问题的思路与理解

一.01 背包

有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。完全背包问题即是01背包问题的拓展：01背包每种重量的物品数量是有限的，而完全背包是无限的。

 二.用动态规划解决01背包问题

1.确定dp数组并理解含义

动态规划的本质是将一个大的问题一步步向下缩减为一个小问题，再由小问题得到的结果去解决大一点的问题。

对01背包问题可以这样理解。由于有n个物品往容量为w的背包里面去装，现在假设有第n个物品要往背包里面放，前面的n-1件物品已经处理完毕（放或者不放已经确定）。那么为了让最后的价值和最大，这第n件物品是放还是不放呢？如果要放，那么对于前n-1件物品而言，使用的空间自然要尽可能的大（因为要让最后的价值最大），所以给前n-1件物品使用的空间为w-weight[n];如果不放，那么前n-1件物品使用的空间为w。

所以对于dp数组的构建，考虑两个维度，定义为int dp[n][w+1]。n的意思是有n件物品，从上往下，一个一个考虑加不加物品i，所以第i行的含义就是在对应容量下前i个物品能达到的最大价值；w+1的意思是有0-w的w+1个容量值。所以，最后要求的就是dp[n-1][w]的值。

2.递推公式

由上面的分析可知，对于dp数组中的值，有两个待选值，即选该物品和不选该物品的结果，从中取最大值即可。

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

3.dp数组初始化

首先是背包容量为0。那么不管多少个物品最后的价值必然只会是0。

其次要选一个物品作为第一个放入的物品，那么为了方便选择物品0，所以数组的第一行即是只有物品0的情况。

4.遍历dp数组

由递推公式我们可以发现，每次求dp[i][j]的时候，我们只用到了dp数组中左上方和正上方的结果，那么，从按行上往下遍历和按列从左往右遍历都是可以的。

另外，还可以发现，每次只用到了上一行的数据，那么二维的dp数组自然可以转变成一维的dp数组。

01背包二维dp:

#include <bits/stdc++.h>
using namespace std;

int main() {
    int n, bagweight;// bagweight代表行李箱空间

    cin >> n >> bagweight;

    vector<int> weight(n, 0); // 存储每件物品所占空间
    vector<int> value(n, 0);  // 存储每件物品价值

    for(int i = 0; i < n; ++i) {
        cin >> weight[i];
    }
    for(int j = 0; j < n; ++j) {
        cin >> value[j];
    }
    // dp数组, dp[i][j]代表行李箱空间为j的情况下,从下标为[0, i]的物品里面任意取,能达到的最大价值
    vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));

    // 初始化, 因为需要用到dp[i - 1]的值
    // j < weight[0]已在上方被初始化为0
    // j >= weight[0]的值就初始化为value[0]
    for (int j = weight[0]; j <= bagweight; j++) {
        dp[0][j] = value[0];
    }

    for(int i = 1; i < weight.size(); i++) { // 遍历科研物品
        for(int j = 0; j <= bagweight; j++) { // 遍历行李箱容量
            if (j < weight[i]) dp[i][j] = dp[i - 1][j]; // 如果装不下这个物品,那么就继承dp[i - 1][j]的值
            else {
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
            }
        }
    }
    cout << dp[n - 1][bagweight] << endl;

    return 0;
}

01背包一维dp :

// 一维dp数组实现
#include <iostream>
#include <vector>
using namespace std;

int main() {
    // 读取 M 和 N
    int M, N;
    cin >> M >> N;

    vector<int> costs(M);
    vector<int> values(M);

    for (int i = 0; i < M; i++) {
        cin >> costs[i];
    }
    for (int j = 0; j < M; j++) {
        cin >> values[j];
    }

    // 创建一个动态规划数组dp，初始值为0
    vector<int> dp(N + 1, 0);

    // 外层循环遍历每个类型的研究材料
    for (int i = 0; i < M; ++i) {
        // 内层循环从 N 空间逐渐减少到当前研究材料所占空间
        for (int j = N; j >= costs[i]; --j) {
            // 考虑当前研究材料选择和不选择的情况，选择最大值
            dp[j] = max(dp[j], dp[j - costs[i]] + values[i]);
        }
    }

    // 输出dp[N]，即在给定 N 行李空间可以携带的研究材料最大价值
    cout << dp[N] << endl;

    return 0;
}

5.完全背包 

对于完全背包问题，其与一般01背包的区别只有每种价值的物品个数是无限的。那么，在将背包的容量不断扩大的时候，对第n个物品而言，可以装1个，2个，3个...。所以不同于一般01背包，在遍历二维dp数组第i行时，对于不放的情况，仍然是dp[i-1][j]；但是，对于放的情况，可使用的空间大小w-weight[i]不仅会被前i-1种物品使用，还会被k个物品i使用，这里的k=(w-weight[i])%costs[i]。因此，对于第二种情况，对应的dp值是dp[i][j - weight[i]] + value[i]，而不是dp[i-1][j - weight[i]] + value[i]。这便是和一般01背包的最根本的区别。

但是，对于完全背包而言，先遍历物品和先遍历背包是有区别的。以lc518的零钱兑换为例，先遍历物品是组合问题，而先遍历背包则是排列问题。

完全背包二维dp

// 先遍历物品，在遍历背包
void test_CompletePack() {
    vector<int> weight = { 1, 3, 4 };
    vector<int> value = { 15, 20, 30 };
    int bagWeight = 4;
    vector<vector<int>> dp(weight.size(), vector<int>(bagWeight + 1, 0));

    //初始化
    for (int i = 0; i <= bagweight; i++) {
        dp[0][i] = (i / weight[0]) * value[0];
    }
    for (int i = 0; i < weight.size(); i++) { // 遍历物品
        for (int j = 0; j <= bagWeight; j++) { // 遍历背包容量
            if (j < weight[i]) dp[i][j] = dp[i - 1][j];
            else dp[i][j] = max(dp[i - 1][j], dp[i][j - weight[i]] + value[i]);//情况2是i行
        }
    }
    cout << dp[weight.size() - 1][bagWeight] << endl;
}
int main() {
    test_CompletePack();
}

完全背包一维dp 

// 先遍历物品，在遍历背包
void test_CompletePack() {
    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++) { // 遍历物品
        for(int j = weight[i]; j <= bagWeight; j++) { // 遍历背包容量
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
        }
    }
    cout << dp[bagWeight] << endl;
}
int main() {
    test_CompletePack();
}