【背包问题】01背包问题

一、01背包问题

1.1 题目

有$N$件物品和一个容量为$V$的背包，放入第$i$件物品耗费的费用是$C_i$，得到的价值是$W_i$。求解将哪些物品装入背包可使得价值总和最大。

1.2 基本思路

01背包是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或者不放。
用子问题定义状态：即 $F[i,v]$ 表示前 $i$ 件物品恰放入一个容量为 $v$ 的背包可以获得
的最大价值。则其状态转移方程便是：
F [ i , v ] = m a x { F [ i − 1 , v ] , f [ i − 1 , v − C i ] + W i } F[i,v]=max\{F[i-1,v],f[i-1,v-C_i]+W_i\} F[i,v]=max{F[i−1,v],f[i−1,v−Ci​]+Wi​}
对于第$i$件物品来说，它只有放入背包和不放入背包两种选择。其中， m a x { } max\{\} max{}中的两个元素表示的含义分别为：

• $F[i-1,v]$：第$i$件物品不放入背包
• $f[i-1,v-C_i]+W_i$：第$i$件物品放入背包

如果对这个状态方程还不是很理解，那我们可以举个例子画图说明。假设背包容量为10，物品数量为4，每种物品的花费与价值如下：

花费/重量	价值
2	1
3	3
4	5
7	9

这里用$w[i]$来表示第 $i$ 件物品的重量，$v[i]$表示第 $i$ 件物品的价值。
那么我们首先建立一个二维的dp数组用来保存状态信息，然后依次枚举所有状态数据：

注意我涂了颜色的格子：

• 红色格子：此时背包容量$j=2$，此时只有1号物品可以选择，该物品重量为2，价值为1，刚好可以放入该容量为2的背包，因此$dp[1][2]=1$。这一行后面的数据自然也为1，因为背包容量一直在增加，而可选择的物品还是只有一个。
• 橙色格子：此时背包容量为3，前两件物品中，只有将2号物品放入背包时价值最大，故$dp[2][3]=3$。
• 绿色格子：此时背包容量变为5，刚好可以容纳前两件物品，此时可以将前两件物品同时放入背包，获得最大价值4，即$dp[2][5]=4$。

根据以上分析，我们可以得到以下结论：

有了状态方程，接下来我们用代码实现一下：

public class ZeroOnePack {
    public static int method(int V, int N, int[] weight, int[] value){
        //这里的dp数组就是对应于上面定义的F
        int[][] dp = new int[N + 1][V + 1];
        //这里索引从1开始取，即dp[1][v]表示的是将第1个物品放入容量为v的背包的最大价值
        for (int i = 1; i < N + 1; i++){
            for (int j = 1; j < V + 1; j++){
                //如果第i件物品的花费大于背包容量j,则不装入背包
                //由于weight和value数组下标都是从0开始,故第i个物品的花费为weight[i-1],价值为value[i-1]
                if (weight[i - 1] > j){
                    dp[i][j] = dp[i - 1][j];
                }else{
                    //上文提出的状态转移方程
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i - 1]] + value[i - 1]);
                }
            }
        }
        return dp[N][V];
    }
 }

我们以华为的笔试题作为例子来测试一下结果，题目如下：

---

小朋友考试得到第一名可以得到奖励零食，现有价格$A,B,C,D,E...$元商品各$A1,B1,C1,D1,E1...$个，小朋友的喜爱度依次为$A2,B2,C2,D2,E2,.....$请返回选取$X$元零食可达到的最大喜爱度。
第一行输入为$X$和$N$，$X$为可使用 钱的总额，$N$为零食种类。
第二行开始为零食属性，每行为3个整型数，分别代表零食价格，数量以及喜爱度。
输入：

钱总额	零食种类
6	7

价格	数量	喜爱度
3	1	8
4	1	2
3	1	1
9	1	7
4	1	1
4	1	8
4	1	4

输出：9
解释：6元可以分别选取价格3元喜爱度为8的商品1件以及3元喜爱度为1的商品一件，喜爱度总和为9。

---

对于这个问题，我们暂时不考虑数量的限制，去掉数量限制后，这题就是一个01背包问题。那么我们直接调用上面写的方法即可解决该问题，代码如下：

public class Main {
    public static void main(String[] args) {
        int[] weight = {3,4,3,9,4,4,4};
        int[] value = {8,2,1,7,1,8,4};
        int V = 6;
        int N = 7;
        System.out.println(ZeroOnePack.method(V, N, weight, value));
    }
}

输出：9

以上实现01背包问题的算法其实还可以优化空间复杂度。请注意我们在推导dp数组中每一行的值时，其实只用到了dp数组中上一行的值，那么我们没有必要将所有的状态值都保存起来，我们只需用一个一维数组保存上一行的状态值即可。如下图：

我们用一维数组$dp[j]$来表示背包容量为$j$时的最大价值。此时

上述代码变为：

从状态转移方程中可以看出，$dp[j]$是由$dp[j-w[i]]$推导出来的，准确来说，这里的$dp[j]$对应于二维数组中第$i$行第$j$列的数据，而$dp[j-w[i]]$对应于第$i-1$行第$j-w[i]$的数据。而一维数组$dp[j]$在推导第$i$行状态数据之前的初始值就是第$i-1$行的数据，因此我们在写代码时，遍历一维数组$dp[j]$时，必须要从后往前遍历。

	// 01背包的优化
	public static int method2(int V,int N,int[] weight,int[] value){
		int[] dp = new int[V+1];
		for(int i=1;i<N+1;i++){
			//遍历dp[]数组时，从后往前遍历，并顺便过滤掉容量不足的情况
			for(int j=V;j>=weight[i-1];j--){
				dp[j] = Math.max(dp[j-weight[i-1]]+value[i-1],dp[j]);
			}
		}
		return dp[V];		
	}

参考文献：
[1] https://github.com/tianyicui/pack