课程总结——背包

0/1背包

模型：给定$N$个物品，其中第$i$个物品的体积为$V_i$,价值为$W_i$。有一容积为$M$的背包，要求选择一些物品放入背包，使得物品总体积不超过$M$的前题下，物品的价值总和最大。

二维DP

• $F[i,j]$表示从前$i$个物品中选出了总体积为$j$的物品，物品最大价值和。
• $F[i,j]=max\left\{\begin{array}{c}F[i-1,j]\\ F[i-1,j-V_i]+W_i\end{array}\right\}$
  第一种是不选第$i$个物品，直接继承$i-1$.
  第二种是选第$i$个物品，将上一次取物品的价值加上这个物品的价值，且$j\ge V_i$.
• 初值：F[0][0]=0,其余为负无穷（防止最大价值本身为0，无法判断是否取物品，能判断F[n][m]是否恰好装满）。
• 目标: m a x { F [ N , j ] } , 0 ≤ j ≤ M max\{ F[N,j]\},0\le j\le M max{F[N,j]},0≤j≤M.

memset(f,0xcf,sizeof(f));//-INF,相当于将符号位改为1；
	f[0][0]=0; 
	for(int i=1;i<=n;i++){
		for(int j=0;j<=m;j++) f[i][j]=f[i-1][j];//从0开始考虑了不取的情况
		for(int j=v[i];j<=m;j++) f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);
		//满足了0<=j<=M
	}

滚动数组

通过分析代码，发现外层转移只与$i$和$i-1$有关系，所以可以用滚动数组优化空间，降低空间开销。

int f[2][m+1];//外层只开两位，分别是0和1；
memset(f,0xcf,sizeof(f));//-INF,相当于将符号位改为1；
	f[0][0]=0; 
	for(int i=1;i<=n;i++){
		for(int j=0;j<=m;j++) f[i&1][j]=f[(i-1)&1][j];//位运算的奇偶判断,偶0奇1
		for(int j=v[i];j<=m;j++) f[i&1][j]=max(f[i&1][j],f[(i-1)&1][j-v[i]]+w[i]);//
	}

优化一维DP

我们还能发现：因为$f[i][j]=f[i-1][j]$，只做了拷贝的工作，所以f数组的第一维没有存在的必要。

所以代码可以化简为这样

int f[m+1];
memset(f,0xcf,sizeof(f));
	f[0]=0; 
	for(int i=1;i<=n;i++){
		for(int j=v[i];j<=m;j++) f[j]=max(f[j],f[j-v[i]]+w[i]);//v[i]~m正序
	}

• 这个代码是错误的，因为：假设$f[j]$被$f[j-v[i]]$更新，当循环到$f[j+v[i]]$时又会被更新一次，相当于同一个物品被选了多次，这显然违背了0/1背包.

int f[m+1];
memset(f,0xcf,sizeof(f));
	f[0]=0; 
	for(int i=1;i<=n;i++){
		for(int j=m;j>=v[i];j++) f[j]=max(f[j],f[j-v[i]]+w[i]);//m~v[i]倒序
	}

• 这样倒序循环就解决了问题，假设$f[j]$被$f[j-v[i]]$更新，当循环到了$f[j-v[i]]$会被$f[j-2v[i]]$更新，保证只选一次。

完全背包

模型：给定$N$种物品，其中第$i$种物品的体积为$V_i$,价值为$W_i$，并且有无数个。有一容积为$M$的背包，要求选择若干个物品放入背包，使得物品总体积不超过$M$的前题下，物品的价值总和最大。

二维DP

• $F[i,j]=max\left\{\begin{array}{c}F[i-1,j]\\ F[i,j-V_i]+W_i\end{array}\right\}$

  选的情况由$i-1$变成$i$，就可以重复选取一个物品。

优化一维DP

• 在刚才的正序代码中我们发现可以重复选取一个物品，这不正是我们要的完全背包，所以；

  int f[m+1];
  memset(f,0xcf,sizeof(f));
  	f[0]=0; 
  	for(int i=1;i<=n;i++){
  		for(int j=v[i];j<=m;j++) f[j]=max(f[j],f[j-v[i]]+w[i]);//v[i]~m正序
  	}
  

多重背包

模型：给定$N$种物品，其中第$i$种物品的体积为$V_i$,价值为$W_i$，并且有$C_i$个。有一容积为$M$的背包，要求选择若干个物品放入背包，使得物品总体积不超过$M$的前题下，物品的价值总和最大。

• 思路：拆分，将$C_i$拆成不同物品再做0/1背包

直接拆分法

• 比较简单，但时间复杂度高,为$O(M\ast {\sum }_{i=1}^n{C}_i)$。

  int f[m+1];
  memset(f,0xcf,sizeof(f));
  	f[0]=0; 
  	for(int i=1;i<=n;i++){
          for(int k=1;k<=c[i];k++)
  			for(int j=m;j>=v[i];j++) f[j]=max(f[j],f[j-v[i]]+w[i]);//m~v[i]倒序
  	}
  

二进制拆分法

分组背包

模型：给定$N$组物品，其中第$i$组有$C_i$个物品。第$i$组的第$j$个物品的体积为$V_{i}j$,价值为$W_{i}j$。有一容积为$M$的背包，要求选择若干个物品放入背包，每组至多选一个，使得物品总体积不超过$M$的前题下，物品的价值总和最大。

多维费用背包

模型：给定$N$个物品，其中第$i$个物品的体积为$V_i$,重量为$G_i$,y值为$W_i$。有一容积为$M$,载重$H$的背包，要求选择一些物品放入背包，使得物品总体积不超过$M$,总重量不超过$H$的前题下，物品的价值总和最大。