动态规划-01背包-完全背包

背包问题

多阶段动态规划问题

有一类动态规划可解的问题，它可以描述称为若干有序的阶段，且每个阶段的状态只和上一个阶段的状态有关，一般把这类问题称为多阶段规划问题。

01 背包问题

01背包问题描述如下：

有 n 件物品，每件物品的重量为 w[i]，价值为 c[i]。现有一个容量为 V 的背包，问如何选取物品放入背包，使得背包内物品的总价值最大。其中每种物品都只有一件。

例子：
5 8 // 5 件物品， 容量为 8

3 5 1 2 2 // w[i] 重量

4 5 2 1 3 // c[i] 价值

如果采取暴力搜索的方法，每件物品都有两种选择，因此 n 件物品就有 2ⁿ，而O（ 2ⁿ） 的时间复杂度完全是不能接受的。而使用动态规划可以将复杂度将为 O（nV）。

令dp[i][v]表示前 i 件物品恰好装入容量为 v 的背包中所能获得的最大价值。那怎么求解 dp[i][v] 呢？

考虑第 i 件物品的选择策略，有两种策略：

• 不放第 i 件物品，那么转化为前 i - 1 件物品恰好装入容量为 v 背包中所能获得的最大价值， dp[i-1][v] 。
• 放第 i 件物品，那么问题转换为前 i - 1 件物品恰好装入容量为 v - w[i] 的背包中所能获得的最大价值，也就是 dp[i-1][v-w[i]] + c[i]

由于只有这两种策略，所以状态转移方程为

dp[i][v] = max{ dp[i-1][v], dp[i-1][v-w[i]] + c[i] }

由于 dp[i][v] 只与之前的状态 dp[i-1][] 有关，所以可以枚举 i 从 1 到 n，v 从 0 到 V，通过边界 dp[0][v] = 0（即前 0 件物品放入任何容量 v 的背包中都只能获得价值 0）就可以把整个 dp 数组递推出来。而 dp[i][v] 表示的恰好为 v 的情况，所以需要枚举 dp[n][v] 取其最大值。

因此可以写出代码：

for(int i = 1; i <= n; i++) {
   
  // 装第 i 件物品
  for(int v = w[i]; v <= V; v++) {
   
    dp[i][v] = max(dp[i-1][v], dp[i-1][v-w[i]] + c[i]);
  }
}

时间复杂度和空间复杂度都是 O（nV），时间复杂度不能再优化，但空间复杂度还可以优化。

注意到状态转移方程中计算dp[i][v] 总是需要 dp[i-1][v] 左侧部分的数据（即正上方和左上方的数据），且当计算 dp[i+1][] 时，dp[i-1] 的数据又用不到了（只需要用 dp[i][]），所以我们可以直接开一个一维数组dp[v]！枚举方向从 1 到 n，v 从 V 到 0 （逆序），这样，状态转移方程为：

dp[v] = max{ dp[v], dp[v-w[i]] + c[i] }

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kje9KWb6-1584931877976)(./img/01bag.png)]

可以这样理解，dp[i][v] 左上角的数据和 dp[i][v] 右边的数据放在同一个数组里面，每次计算出一个 dp[i][v] ，将相当于把 dp[i-1][v] 覆盖掉，因为之后的计算不需要再用到了。我们把这种技巧称为 滚动数组。

代码如下：

for(int i = 1; i <= n; i++) {