0-1背包问题

经典0-1背包问题

背包问题是一类经典的动态规划问题，但在具体的算法考察过程中几乎不会直接问你背包问题原型，往往都是0-1背包的应用，需要自己分析判定是否符合背包问题的特征，是否能够使用动态规划去解决，所以对0-1背包本质理解很关键

给你一个背包，容量为W，你面前有一组物品(n1, n2, … ni)，共计n个物品，每个物品ni具有二维属性(wi, vi), 分别表示当前物品的容量和物品本身的价值，每当把一个物品ni放入背包中，会占用掉wi的背包容量并获得vi的价值,问题：求解该背包装入这些物品能获得的最大价值Vmax。

具体实例：

	重量（容量）	价值（value）
物品1	2	8
物品2	1	4
物品3	3	10

解题思路

• 确定dp数组（dp table）以及下标的含义（状态）
• 确定递推公式（状态转移）
• dp数组初始化（初始状态）
• 确定遍历顺序
• 举例推导dp数组

确定dp数组（dp table）以及下标的含义（状态）

题目中有重量，价值，和物品三个重要属性，所以设置二维数组dp[i][j];i表示第i个物品，j表示背包容量，dp[i][j]表示前i个物品（包括第i个）在背包容量为j时所能到达的最大价值。

确定递推公式（状态转移)

想要知道dp[i][j]的值，即前i个物品（包括第i个）放到容量为j的背包的最大价值，第i个物品有取与不取两种状态，不取则dp[i][j]=dp[i-1][j],取得话则dp[i][j]=dp[i-1][j-wi]+vi；
最后：
dp[i][j]=max(dp[i-1][j],dp[i-1][j-1]+vi);

这里说明一下取第i个物品为什么要令dp[i][j]=dp[i-1][j-wi]+vi，因为第i个物品的重量为j，只能从上一个状态dp[i-1]的所有状态中，容量剩余wi（j-wi）的状态中得来，增加了第i个物品，则它的价值增加，所以要加上vi

dp数组初始化（初始状态）

j=0时，价值只能为零，所以:
for(int i=0;i<h;i++) dp[i][0]=0;
只能放一个物品时，有且仅有:
dp[0][w0]=v0;

确定遍历顺序

该思路是先遍历物品后遍历背包，当然顺序反过来也可以
代码如下：

for(int i=1;i<h;i++)
	for(int j=1;j<max;j++)
		dp[i][j]=max(dp[i-1][j],dp[i-1][j-1]+vi);

举例推导dp数组

根据题目简单的案例推导dp数组，检查是否与程序所得相同，结束。

总结

背个包问题通常分为两个for循环，本次讲解使用二维数组，遍历顺序不用讲究，一维数组里面内循环的遍历顺序需要从大到小，保证每个物品只购买一次，完全背包问题需要从左往右遍历，后面会细讲。