背包问题详解

秋招对我好点！！！

参考链接

什么是背包问题？

背包分类:

对于面试的话，其实掌握01背包，和完全背包，就够用了，最多可以再来一个多重背包。

而完全背包又是也是01背包稍作变化而来，即：完全背包的物品数量是无限的。

01背包问题

有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。

分析：

1. 背包的容量限定（也可以不是背包 固定大小的容器都可）
2. 背包中的物体有两个互相限制的变量，价值和重量 ，背包问题即保证特定重量的前提下，计算出最大价值
3. 最重要一点，物体只能用一次！！！

【暴力解法】
物品取或者不取，两种情况，用回溯法去计算，时间复杂度o(2^N)

【动态规划解法】

二维dp数组01背包

动规五部曲！

1. 确定dp数组以及下标的含义

(因为有两个变量，物体数 和 背包容量 ，价值是dp数组表达的结果）

dp[i][j] 表示从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。

2. 确定递推公式

两种情况

• 第i个物品不放 此时的价值跟第i-1个物品的情况一样，dp[i][j] = dp[i-1][j]
• 第i个物品放 记住此时的物品数是i，背包容量是j ，因此此时的价值只需要把第i-1个物品的背包价值加上第i个物品的价值就可以了，dp[i][j] = dp[i-1][j-weight[i]] + value[i]

两种情况取最大值就可以了
所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

3. dp数组如何初始化

从dp[i][j]出发
如果背包容量j为0的话,那么价值肯定是0，即dp[i][0] = 0

状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。

如果放入第i=0物品，又要分两种情况，如果weight[0]的重量比背包还重，那dp[0][j]为0，否则dp[0][j]就是value[0]的价值

所以要记住！初始化需要看递推公式需要什么！！！！

4. 确定遍历顺序

比较重要的点！

在如下图中，可以看出，有两个遍历的维度：物品与背包重量
遍历的目的是把二维dp数组填满，所以还是关注递推公式！

两种遍历顺序

• 先物品 后重量

// weight数组的大小 就是物品个数
for(int i = 1; i < weight.size(); i++) { // 遍历物品
    for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
        if (j < weight[i]) dp[i][j] = dp[i - 1][j];  // 如果价值大于背包价值  就没必要放了
        else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
    }
}

• 先重量 后物品

for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
    for(int i = 1; i < weight.size(); i++) { // 遍历物品
        if (j < weight[i]) dp[i][j] = dp[i - 1][j];
        else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
    }
}

5. 举例推导
   检验一下！

一维dp数组01背包

动规五部曲！

1. 确定dp数组以及下标的含义

在一维dp数组中，dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j]。

2. 一维dp数组的递推公式

还是二维数组一样，加不加当前i物品

加or不加，这是一个question

因此，递推公式为:
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

3. 一维dp数组如何初始化

关于初始化，一定要和dp数组的定义吻合，否则到递推公式的时候就会越来越乱。
根据递推公式，只需要保证dp[0] = 0 即可

4. 一维dp数组遍历顺序

重点！！

只能先遍历物品，后遍历背包，并且背包的顺序是倒序！

• 【先遍历物品，后遍历背包】为了保证不会dp[j]一次放入一个物品
• 【倒序】是为了保证0的物品不会重复放入

for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

5. 举例推导dp数组

举例检验！

---

完全背包问题

有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

分析：

1. 背包的容量限定（也可以不是背包 固定大小的容器都可）
2. 背包中的物体有两个互相限制的变量，价值和重量 ，背包问题即保证特定重量的前提下，计算出最大价值
3. 最重要一点，物体能用无数次！！！

完全背包跟01背包最大的不同就是一个物品可以被拿无数次!

在01背包的解析中，我们讲解了遍历背包时倒序的目的是为了让每个物品只被添加一次，因此完全背包要从小到大去遍历！

01背包的核心代码：

for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

完全背包的核心代码：

for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

时刻记住，扣住迭代公式！
dp[j] = max(dp[j],dp[j-weight[i]]+value[i]);