0-1背包相关问题

一、问题描述

有n个物品，每个物品有各自的体积和价值，有一个给定容量的背包。
问：在不超过背包总容量的前提下，如何装物品才能使得背包的总价值最大？

二、动态规划算法原理及其过程

1、原理

动态规划是把大问题拆分成若干子问题，通过寻找大问题与子问题的递推关系，
解决一个个子问题，最终到达解决原问题的效果。
动态规划则通过填写表把所有已经解决的子问题答案记录下来，
在新问题里需要用到的子问题的解可以直接提取，
避免了重复计算，从而节约了时间，所以在问题满足最优性原理之后，
用动态规划解决问题的核心就在于填表，表填写完毕，最优解也就找到。

2、过程

（1）参数定义：
用v[i]表示物品价值，w[i]表示物品重量。定义状态dp[i][j]以j为容量为放入前i个物品(按i从小到大的顺序)的最大价值。

（2）初始化边界条件：
　　 V(0,j)=V(i,0)=0；无论背包的容量是0，还是物品的价值为0，两个条件满足任意一个，总价值即为0.

（3）分类讨论：
　　 对于每一个物品，有两种选择方法，能装下和不能装下。
第一，包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)
　　第二，还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛ V(i-1,j)，V(i-1,j-w(i))+v(i) ｝其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)但价值增加了v(i)；

（4）得出递推关系式：
　　　　①$j<w(i)$ 时:
　　　　$V(i,j)=V(i-1,j)$
　　　　② $j\ge w(i)$时:
　　　　 V ( i , j ) = m a x { V ( i − 1 , j ) , V ( i − 1 , j − w [ i ] ) + v [ i ] } V(i,j)=max \lbrace V(i-1,j),V(i-1,j-w[i])+v[i]\rbrace V(i,j)=max{ V(i−1,j),V(i−1,j−w[i])+v[i]}

3、例子

n = 4
cpacity = 8

i	1	2	3	4
w(体积)	2	3	4	5
v(价值)	3	4	5	6

图解：
(初始化)

i/j	0	1	2