C++ 背包问题

背包问题：

有N件物品和一个最多能被重量为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，求解将那些物品装入背包里的物品价值总和最大。

暴力解法思路：

对于每一个物品都有两种状态选与不选，而对于背包有两种状态装满与未装满。
先对这些情况做一下划分：
这里设置一个int型变量result来表示最终求得的背包的最大总价值，其次既然要同时遍历物品的两种状态：取或者不取，我们需要采用递归的方法对所有情况进行遍历。

物品为遍历完且背包未装满：继续遍历物品和背包剩余容量，此时result记录遍历物品时放入或者不放入背包两种情况中取最大值，既然要同时获取取与不取该物品的情况，我们可以想到采用递归的方法来遍历物品的情况代码如下：

result = max(select(i+1,j),select(i+1, j-weight[i])+value[i])

1. 遍历到的物品此时大于了背包剩余重量则继续遍历下一个物品背包剩余重量不变，代码如下：
   select(i+1,j)表示不选择该物品时遍历下一个物品获取其最大值result，select(i+1, j-weight[i])表示选择了该物品继续遍历下一个物品，此时既然选择了该物品则背包重量j则需要减去weight[i]。

2. 遍历到的物品此时大于了背包剩余重量则继续遍历下一个物品背包剩余重量不变，代码如下：

if (j < weight[i])
		result = select(i + 1, j);

3. 物品已经遍历完此时需要置result=0并进行回溯，代码如下：

if (i == n)//已经没有剩余的物品了
	result = 0;

暴力解法完整代码：

#include<math.h>
#include<iostream>
using namespace std;
const int N = 100;
int n, weightBag;
int weight[N], value[N];

//从第i个物品开始挑选总重小于j的部分
int select(int i, int j)
{
	int result;
	if (i == n)//已经没有剩余的物品了
		result = 0;
	else if (j < weight[i])
		result = select(i + 1, j);
	else
	{
		result = max(select(i + 1, j), select(i + 1, j -       weight[i]) + value[i]);//一个物品选还是不选都试一下
	}
	return result;
}

int main()
{
	cout << "请输入物品的数量和背包的重量" << endl;
	cin >> n >> weightBag;
	cout << "请分别输入物品" << endl;
	for (int i = 0; i < n; i++)
		cin >> weight[i];
	for (int i = 0; i < n; i++)
		cin >> value[i];
	cout << select(0, weightBag) << endl;
	return 0;
}

无疑暴力解法的时间复杂度过高于是我们可以想到动态规划，经典背包问题几乎都可以使用动态规划解决，我们用如下例子对此算法进行讲解：

背包的最大重量为4
物品信息如下表：

求背包能背的物品的最大价值是多少？

动态规划解法思路：

有N件物品和一个最多能被重量为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，求解将那些物品装入背包里的物品价值总和最大。

二维dp数组解决01背包问题：

1. 确定dp数组以及下标的含义：
   dp[i][j]:表示物品0-i放进背包重量为j的背包中价值总和最大为dp[i][j]
   
2. 定递推公式：
   在确定递推公式之前我们先思考一下会出现的情况：因为一个物品只会出现两种情况带或者不带，如果带需要考虑此时物品重量weight[i]是否大于等于此时背包重量j如果大于当然不会选择带此物品
   (1) 带此物品发现得到的背包总价值并没有之前所算得的不带此物品的总价值大，于是我们选择不带物品
   (2) 带此物品发现得到的背包总价值比之前不带此物品得到的背包总价值大，所以此时更新dp[i][j],于是我们得到了递推公式：
   dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
   代码如下：

if (j < weight[i]) dp1[i][j] = dp1[i - 1][j];
else dp1[i][j] = 
max(dp1[i - 1][j], dp1[i - 1][j weight[i]] + value[i]);

3. 初始化：
   关于初始化，一定要想好在确定初始化，首先从dp[i][j]的定义出发，如果背包容量j为0的话，即dp[i][0]，此时无论选哪些物品，背包总价值和一定为0。
   

根据递推公式我们可以发现每次遍历下一件物品是否是根据上一件物品的dp[i][j]得到，dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])，dp[i-1][…],i-1即是对上一件物品的情况的获取，于是我们很容易想到此时初始化我们只需要对物品0的情况进行初始化即可。
代码如下：

//初始化
for (int j = weight[0]; j <= bagWeight; j++) {
	dp1[0][j] = value[0];
}

得到的dp数组如下表:

4. 遍历顺序：
对于二维dp数组的遍历顺序先遍历背包后遍历物品或者先遍历物品后遍历背包均可，当然先遍历物品这里更好理解。
优先遍历物品的代码如下：

//遍历顺序：对于01背包先遍历背包后遍历物品或者现遍历物品后遍历背包均可
for (int i=1; i < weight.size(); i++) {//遍历物品
	for (int j = 0; j <= bagWeight; j++) {//遍历背包
    }
}

为何如此遍历顺序如此呢？如下图所示结合递推公式 dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])可以很好理解：

5. 打印dp数组：

完整C++代码如下：

#include <iostream>
#include <vector>
using namespace std;

vector<int> weight = {1,3,4};
vector<int> value = {15,20,30};
int bagWeight=4;
// 1
//定义一个dp[i][j]数组,该数组表示0-(i-1)号物品、背包重量为j时所能存储背包中的最大价值量
//二维数组dp时间复杂度O(i*j),空间复杂度O(i*j)
vector<vector<int>> dp1(weight.size() + 1, vector<int>(bagWeight + 1, 0));
void bagProblem() {
	//2
	//初始化
	for (int j = weight[0]; j <= bagWeight; j++) {
		dp1[0][j] = value[0];
	}
	//3
	//遍历顺序：对于01背包先遍历背包后遍历物品或者现遍历物品后遍历背包均可
	for (int i=1; i < weight.size(); i++) {//遍历物品
		for (int j = 0; j <= bagWeight; j++) {//遍历背包
			//4
			//递推公式
			if (j < weight[i]) dp1[i][j] = dp1[i - 1][j];
			else dp1[i][j] = max(dp1[i - 1][j], dp1[i - 1][j - weight[i]] + value[i]);
		}
	}
	cout << "最大价值量:" << endl;
	//打印结果
	cout << dp1[weight.size() - 1][bagWeight] << endl;
}

//打印dp二维数组背包详情
void printdp1() {
	cout << "背包容量";
	for (int i = 0; i <= bagWeight; i++)
		cout << i << "    " << '\t';
	cout << endl;
	cout << "物品";
	cout << endl;
	for (int i = 0; i < weight.size(); i++) {
		cout << "  "<<i+1<<"      ";
		for (int j = 0; j <= bagWeight; j++) {
			cout << dp1[i][j] << "    "<<'\t';
		}
		cout << endl;
	}
}

int main() {
	//cout << "请输入您的背包容量" << endl;
	//cin >> bagWeight;
	bagProblem();
	printdp1();
	return 0;
}

时间复杂度：O(mn) m-物品的数量 n-背包的重量
空间复杂度：O(mn)

为什么会引入一维数组呢？不难发现当我们呢采用二维dp数组解决01背包问题是空间复杂度为O(m*n)，我们完全可以采用一维滚动数组优化空间复杂度：

1. 确定dp数组下标及含义：
   此时采用滚动数组dp数组定义为dp[j]：容量为j的背包所能容纳物品的最大价值总和。
2. 递推公式：
   递推公式此时也很好理解 dp[j]=max(dp[j],dp[j-weight[i]]+value[i])即在上一个物品的最大价值总和和加入新物品后价值总和中取最大值。
3. 初始化:
   要初始化就必须要注意我们的递推公式和题意来进行初始化，因为递推公式采用滚动数组所以此时只需要赋0即可。
4. 确定遍历顺序：
   代码如下：

for (int i = 0; i < weight.size(); i++) {
	for (int j = bagWeight; j >= weight[i]; j--) {
    }
}

此时滚动数组遍历顺序有所讲究，且此时滚动数组的遍历顺序不可随意改变。为什么呢？
举一个例子，物品0的重量weight[0]=1，价值value[0]=15;

此时如果采用正序遍历:
dp[1]=dp[1-weight[0]]+value[0]=15;
dp[2]=dp[2-weight[0]]+value[0]=30;
此时大家不难发现0号物品被使用了两次，这明显与01背包题意相冲突，那么我们如何规避次问题呢？
此时我们不妨试一下倒序遍历，因为倒叙遍历只要物品的重量大于了背包重量，就会根据递归公式进行dp数组赋值并且一个物品只会被使用一次。

同样的例子，采用倒序遍历：
dp[2]=dp[2-weight[0]]+value[0]=15;
dp[1]=dp[1-weight[0]]+value[0]=15;
此时刚刚出现的完美的规避了。所以一定注意一维dp数组的遍历顺序一定要使用倒序。

5. 打印dp数组：
   
   一维dp数组求解01背包问题完整代码：

#include <iostream>
#include <vector>
using namespace std;

vector<int> weight = {1,3,4};
vector<int> value = {15,20,30};
int bagWeight=4;

vector<int> dp2(bagWeight+1, 0);
void bagProblemOneVector() {
	for (int i = 0; i < weight.size(); i++) {//
		for (int j = bagWeight; j >= weight[i]; j--) {
			dp2[j] = max(dp2[j], dp2[j - weight[i]] + value[i]);
		}
	}
	cout << dp2[bagWeight];
}
int main() {
	//cout << "请输入您的背包容量" << endl;
	//cin >> bagWeight;
	bagProblemOneVector();
	return 0;
}

投稿来自 东北石油大学-计科201-黄志强