01背包问题2-一维滚动数组-python

本笔记是相对于之前的笔记：01背包问题1使用的二维数组，dp[i][j]。这里的dp[i][j]含义为，当[0,i]个物品加入到最多能包含重量j的背包中时，背包所能有的最大价值。dp[i][j] = max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])。这里，dp[i]的值是由dp[i-1]推导而来的，如果我们将dp[i-1]的值完全赋给dp[i]，那么，dp[i][j] = max(dp[i][j],dp[i][j-weight[i]]+value[i])。

那么，我们是不是可以直接用一维数组dp[j]来表达呢，通过先遍历物品，再遍历背包，每一次遍历都看一下是否能装入该物品，并且根据上一层还未装入i物品时的dp[j-weight[i]]+value[i]来和自身的dp[j]做对比，得到是否装入该物品的结论。

1.dp
dp[j]：表示当背包最大承受重量为j时，能获得的最大价值。
2. 状态转移
dp[j] = max(dp[j-weight[i]]+value[i],dp[j])
3. 初始化
dp[0]=0
4. 遍历顺序
这个时候，针对于背包的遍历我们需要注意，在01背包问题1中，我们可以看到背包的遍历是从小到大的。这是因为，他本身就依赖上一层，也就是未装入物品i时候的dp[i-1]来进行计算，但在这里就显然行不通了。为什么呢？别着急，我来举个例子。

因为是一维数组，dp[j]的计算本来就依赖前面更新之后的dp[j-weight[i]]，那么如果这个时候，从小到大遍历背包以至于dp[j-weight[i]]中也加入了i会造成什么后果呢？
比如，dp初始值都为0，在遍历物品0时，物品0重量为1，背包w=1，那么这个时候，因为1>=weight[0], 我们就要考虑是否加入物品0。那么dp[1] = max(dp[1],dp[1]+value[0])=max(0,0+value[0])=value[0]。好，那这个时候，我们就在dp[1]中加入了物品0。
那么当背包w=2时，2也>weight[0]，我们也要考虑是否加入。dp[2] = max(dp[2],dp[2-weight[0]]+value[0])=max(0,dp[1]+value[0])=max(0,value[0]+value[0]). 这个时候我们就会发现，我们在背包w=2时，加入了两遍value[0]。

这是为什么呢？这就是因为我们之前讲的，我们所依赖的计算，应该是未加入该物品的前一个背包值。而当我们从小到大遍历背包时，小背包也会加入这个物品，那么我们再加入这个物品的话，就变成了加入了两次这个物品到我们的背包里，显然是不合理的。所以，最好的解决办法就是将背包从大到小遍历，这样的话，每次判断是否加入一个新的物品，大背包的dp值先更新，而大的值所借鉴的就是上一层，未加入该新物品时小背包的dp值。

for i in range(n):
	for j in range(w,0,-1):
				if j < weight[i]:
					dp[j] = dp[j]
				else:
					dp[j]  = max(dp[j-weight[i]],dp[j])

5.举例
w = 4
weight = [1,3,4]
value = [15,20,30]
dp[0] = 0
dp[4] = 15
dp[3] = 15
dp[2] = 15
dp[1] = 15
dp[4] = max(15+20,15)=35
dp[3] = max(0+20,15) = 20
dp[2] = 15
dp[1] = 15
dp[4] = max(0+30,35)=35
dp[3]=20
dp[2] = 15
dp[1] = 15
return 35
完整代码如下：

w = 4
weight = [1,3,4]
value = [15,20,30]
def package02(w, weight, value):
	n = len(weight)
	dp = [0]*(w+1)
	dp[0] = 0
	for i in range(n):
		for j in range(w,0,-1):
			if j < weight[i]:
				dp[j] = dp[j]
			else:
				dp[j] = dp[j-weight[i]]+value[i]
	return dp
print(package02(w, weight, value))

本文参考：卡尔背包