背包问题总结

背包问题总结

首先，什么是背包问题呢？

背包问题的形式如下，给定$n$个重量分别为${\omega }_1,{\omega }_2,\cdots ,{\omega }_n$,价值分别为$v_1,v_2,\cdots ,v_n$的物品和容量为$C$的背包，求这个物品中一个最有价值的子集，使得在满足背包的容量的前提下，包内的总价值最大。

其中，背包问题还有很多分类，咱们先从最基础的开始，0-1背包问题。该问题的要求是每个物品只能用一次。

刚才的叙述还是太抽象了。咱们再具体一下：

给定3个（$n=3$)物品，每个物品的重量和价值分别如下：

物品序号	重量	价值
0	1	6
1	2	10
2	3	12

同时，背包容量为5（$C=5$)，求在重量之和小于背包容量的前提下，所选物品的价值最大。

0-1背包问题介绍完了，用什么方法解呢？

回溯法和动态规划法都可以，这里先用动态规划法来解一下。

什么是动态规划法呢？

简单来说就是，将一个问题拆成几个子问题，分别求解这些子问题，即可推断出大问题的解。这就是动态规划法。

还是有点抽象。咱们来具体一下。

对该问题，大问题就是，满足背包容量为5时，物品的最大价值。

子问题就是，背包容量为4时，物品的最大价值；背包容量为3时，物品的最大价值；一直到背包容量为0时，物品的最大价值。同时，还需要考虑题目的3个物品。所以，来建一个矩阵吧。

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0
1
2

这里需要对矩阵做一个说明：

第一行，代表背包的容量（假设的，不要产生这样的想法，题目中背包容量已经是5了，为什么背包容量还可以从0变到5呢，这里只是假设，或者说，背包中允许利用的容量），从0到5，

第一列，物品的三个编号，物品0，物品1，物品2

其余空间，在当前条件下，所选物品的最大价值。

顺便说一句，这个表格填完了，问题就解决完了。

如果要使用动态规划求解0-1背包问题，咱们需要先把矩阵的第一行填写完毕。第一行的含义是，对所有的背包容量，只放物品0，该物品的重量是1，价值是6，放的具体过程如下：

• 容量=0，小于物品0 的重量1，放不下，最大价值为0
• 容量=1，等于物品0的重量1，放的下，最大价值为6
• 容量=2，小于物品0 的重量1，放的下，最大价值为6
• 容量=3，等于物品0的重量1，放的下，最大价值为6
• 容量=4，小于物品0 的重量1，放的下，最大价值为6
• 容量=5，等于物品0的重量1，放的下，最大价值为6

所以，放完矩阵第一行后，矩阵如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1
2

咱们先来看第一个小问题，$C=0$，即背包所允许利用的最大容量为0，很容易理解，最大价值为0，所以，表格更新如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1	0
2	0

接下来是第二个小问题，$C=1$，即背包所允许利用的最大容量为1，这里再次给出物品的相关信息，希望读者将物品的相关信息写在纸上

物品序号	重量	价值
0	1	6
1	2	10
2	3	12

三个物品的重量分别是1,2,3，而背包容量是1，很容易分辨出，只能放物品0，最大价值是6，但是，计算机怎么分辨呢？动态规划最终还是要用编程语言来实现额啊。下面就是动态规划的核心的，状态转移方程
$$dp(i,j)=max(dp(i-1,j),dp(i-1,j-w[i])+v[i]),j\ge w[i],i>0$$
很多公式啊，咱们来理解一下:

• dp代表咱们要填写的矩阵，为什么是dp呢，因为这两个字母是动态规划英文表达的缩写
• $dp(i,j)$代表待求取位置的最大价值，对于咱们所处的这一步来说，i=1,j=1，因为填到物品1，容量=1了嘛，
• max是求取最大值的操作
• $w[i]$代表第i个物品的重量，此处，i=1,$w[i]=2$
• $v[i]$代表第i个物品的价值，此处，i=1,$v[i]$=10
• 很容易添加限制条件，$j\ge w[i]$,否则矩阵就越界了

公式介绍完了，那么对于咱们要填的这个空，怎么处理呢

• i=1,j=1时，dp(i-1,j)=dp(0,1)=6，w[i]=w[1]=2>j=1，所以，dp(i,j)=dp(1,1)=max(dp(i-1,j))=dp(0,1)=6
• i=2,j=1时，dp(i-1,j)=dp(1,1)=6，w[i]=w[2]=3>j=1，所以，dp(i,j)=dp(2,1)=max(dp(i-1,j))=dp(1,1)=6

此时，如果用一句话描述上面的公式就是，如果当前背包容量j小于物品的重量w[i]，那么最大价值就等于上面那一格的值。填写后的矩阵如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1	0	6
2	0	6

接下来是第三个小问题，$C=2$，即背包所允许利用的最大容量是2，

• i=1,j=2时，dp(i-1,j)=dp(0,2)=6，w[i]=w[1]=2=j=2,dp(i-1,j-w[i])=dp(1-1,2-2)=dp(0,0)=0,v[i]=v[1]=10,所以，dp(1,2)=max(dp(0,2)+dp(0,0)+v[1])=max(6,0+10)=10
• i=2,j=2时，dp(i-1,j)=dp(1,2)=10,w[i]=w[2]=3>j=2,所以，dp(2,2)=dp(1,2)=10

什么规律呢，物品1的重量是2，那么dp(1,2)=max( dp(0,2) ,dp(0,0)+v[1])，即上面的那个格的值和上面一行，往左移动2个格（w[1]=2)的值的最大值

填写完后的矩阵如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1	0	6	10
2	0	6	10

接下来是第三个小问题，$C=3$，即背包所允许利用的最大容量是3，

• i=1,j=3时，dp(i-1,j)=dp(0,3)=6，w[i]=w[1]=2<j=3,dp(i-1,j-w[i])=dp(1-1,3-2)=dp(0,1)=6,v[i]=v[1]=10,所以，dp(1,3)=max(dp(0,3)+dp(0,1)+v[1])=max(6,6+10)=16

• i=2,j=3时，dp(i-1,j)=dp(1,3)=16,w[i]=w[2]=3=j=3,dp(i-1,j-w[i])=dp(2-1,3-3)=dp(1,0)=0,v[i]=v[2]=12,所以，

  dp(2,3)=max(dp(1,3)+dp(1,0)+v[2])=max(16,0+12)=16

填写完后的矩阵如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1	0	6	10	16
2	0	6	10	16

接下来是第三个小问题，$C=4$，即背包所允许利用的最大容量是4，

• i=1,j=4时，dp(i-1,j)=dp(0,4)=6，w[i]=w[1]=2<j=4,dp(i-1,j-w[i])=dp(1-1,4-2)=dp(0,2)=6,v[i]=v[1]=10,所以，dp(1,3)=max(dp(0,4)+dp(0,2)+v[1])=max(6,6+10)=16

• i=2,j=4时，dp(i-1,j)=dp(1,4)=16,w[i]=w[2]=3<j=4,dp(i-1,j-w[i])=dp(2-1,4-3)=dp(1,1)=6,v[i]=v[2]=12,所以，

  dp(2,3)=max(dp(1,4)+dp(1,1)+v[2])=max(16,6+12)=18

填写完后的矩阵如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1	0	6	10	16	16
2	0	6	10	16	18

接下来是第三个小问题，$C=5$，即背包所允许利用的最大容量是5，

• i=1,j=5时，dp(i-1,j)=dp(0,5)=6，w[i]=w[1]=2<j=5,dp(i-1,j-w[i])=dp(1-1,5-2)=dp(0,3)=6,v[i]=v[1]=10,所以，dp(1,5)=max(dp(0,5)+dp(0,3)+v[1])=max(6,6+10)=16

• i=2,j=5时，dp(i-1,j)=dp(1,5)=16,w[i]=w[2]=3<j=5,dp(i-1,j-w[i])=dp(2-1,5-3)=dp(1,2)=10,v[i]=v[2]=12,所以，

  dp(2,5)=max(dp(1,5)+dp(1,2)+v[2])=max(16,10+12)=22

填写完后的矩阵如下：

物品	容量=0	容量=1	容量=2	容量=3	容量=4	容量=5
0	0	6	6	6	6	6
1	0	6	10	16	16	16
2	0	6	10	16	18	22

终于写完了，总结一下公式的含义

上面的一个表格，上面那个表格往左数w[i]和表格，这两个表格的最大值就是要求的值。

解决代码如下：

public class KnapSack01 {
    public static int knapSack(int[] w, int[] v, int C) {
        int size = w.length;
        if (size == 0) {
            return 0;
        }

        int[][] dp = new int[size][C + 1];
        //初始化第一行
        //仅考虑容量为C的背包放第0个物品的情况
        for (int i = 0; i <= C; i++) {
            dp[0][i] = w[0] <= i ? v[0] : 0;
        }
		//填充其他行和列
        for (int i = 1; i < size; i++) {
            for (int j = 0; j <= C; j++) {
                dp[i][j] = dp[i - 1][j];
                if (w[i] <= j) {
                    dp[i][j] = Math.max(dp[i][j], v[i] + dp[i - 1][j - w[i]]);
                }
            }
        }
        return dp[size - 1][C];
    }

    public static void main(String[] args) {
        int[] w = {2, 1, 3, 2};
        int[] v = {12, 10, 20, 15};
        System.out.println(knapSack(w, v, 5));
    }
}

最后总结一下0-1背包问题的解题思路：

• 建立矩阵dp，行数是物品的个数，列数是背包容量加1
• 填写第一行，如果背包容量j小于物品重量w[0]，最大价值是0，否则是第一个物品的价值v[0]
• 填写接下来的每一行，首先判断背包容量j和第i个物品的重量w[i]的关系
  • 如果j<w[i],那么dp(i,j)=dp(i-1,j)
  • 如果j>=w[i]，那么dp(i,j)=max( dp(i-1,j) ,dp(i-1,j-w[i])+v[i])
• 返回矩阵右下角元素就是最大价值。