【0-1背包】小白也能看懂的0-1背包问题（举例分析+附C++代码）

欢迎你！

如果让一个初学者直接硬啃0-1背包的代码和公式，那确实有些强人所难。
我们开场不讲公式定理
先入手一个例子
从一个具体问题出发来研究一个0-1背包问题：

【问题描述】一个0-1背包问题

已知一个【背包】，最多可装总重为 5 的物品。
还有3个【物品】

物品	价值	重量
物品A	60	1
物品B	100	2
物品C	120	3

这三个物品数量都为1

现在要将这些物品装入背包，在不超重的情况下，如何装能够获得最大的价值？求这个最大价值。

【方法1】穷举

最简单的方法就是画一个树型的图来逐个判断每个选择的分支。

基本思路可以是：
“先判断是否装A物品，再判断是否装B物品，再是否装C……”

这里给出这个图：

这个过程简单有效，便于我们理清思路。
基于这个图我们可以快速观察到价值最大的装法。

但每次都画一棵树是不行的，不然随便一个装7、8个物品的同类问题，都会让草稿纸的宽度受到严峻挑战。

我们画一个表格试试看，这个表格最终可以帮你弄懂0-1背包算法的原理
如果手边有草稿纸的话，你也可以一起画一画

【方法2】画表格

由于背包承重为5，所以表格我们设计5列，每列表示背包当前最多能装多重的东西，分别包含从一至五的五种情况：1、2、3、4、5
由于有3个物品要装，所以表格我们设计3行
暂时先不要深究为什么这么设计，我们一点一点来

画好这个表格之后，我们给它取名为Bag，如下图：

和前面画的那颗树的思路一样，第一步我们先判断是否装物品A的情况，所以第一行的的纵坐标我们命名为“只考虑A”。当前操作的物品为A
表格第一行中每一格的含义代表：“在只考虑装物品A，且背包容量最大为1、2、3、4、5这几种情况下，背包所装物品获得的最大价值”

如下图表格，在只考虑A，且背包最大容量为1的情况下，很明显，直接将重量为1、价值为60的物品A装进去，就是当前情况能获得的最大价值了，即Bag[1][1] = 60
同理，只考虑A，在背包承重为2的情况下，也只能放入一个A物品，即Bag[1][2] = 60。
注意，每个物品数量只有一个，所以在只考虑A的情况下，只能放入一个A物品。

很简单，在只考虑A的情况下，很快就能填完第一行，结果见下图：
表格第二行，我们将“在判断是否装A物品的结果上，进一步考虑是否装B物品”，所以第二行的纵坐标我们命名为“基于A考虑B”
当前物品从A变为B

如下图，在考虑B物品的情况下，对于Bag[2][1]（即：在考虑B、且背包容量为1时可获得得最大价值），要沿着以下三个基本思路考虑：

1、能不能装入B物品？
2、需不需要装入B物品？
3、如果装入B物品，怎么装能够获得最大价值？

显然在背包承重为1的时候，无论怎样都不能装入重量为2的B物品，
那么这种情况下该如何决定Bag[2][1]的值呢？虽然背包承重为1时操作不了B物品，但上一轮表格中统计了各个背包承重下基于A物品的最佳结果。所以可以用第一行的结果来代替它。
找到上一轮（也就是表格第一行）中背包承重为1的最大价值——即Bag[1][1], 作为Bag[2][1]的结果。如下图：

可以总结出第一条规律：当前物品装不了，就从“头顶”照抄

接下来是重头戏：Bag[2][2]：基于A考虑B，且背包容量为2的情况下能得到的最大价值
当前背包容量为2，物品B的重量为2，意味着我们有条件装入B物体，但是需不需要装入，要用以下几条思路思考：

1、能不能不装入B物品？
2、如果一定要装入B物品，该怎么调整背包内容？
3、上述可能的装法中哪种装法价值最大

结合上面的思路：

1、可以不装入B物品，那么Bag[2][2]的一个值可以是Bag[1][2]（上一轮只操作A物品且背包容量为2的最大价值），即60
2、如果一定要装入B物品，就需要腾出B物品等重量的空间。当前背包承重为2，为B物品腾出重量为2的空间后，这个背包的承重就变为0了，此时我们再将物品B放入背包中，这个背包里现在就只装有B物品了，并且背包的价值为100。所以Bag[2][2]的另一个值可以是100
3、比较上述两种情况产生的价值大小，显然“先腾地方、再装入B物品”的方法产生了最大的价值。所以将100填入Bag[2][2]

分析结果见下表：

同理，我们继续来看Bag[2][3]：基于A考虑B，且背包容量为3的情况下能得到的最大价值
如下图，相信你已经找到一些规律了：
如果不装入B物品，则直接从头顶处的邻居找答案。即Bag[2][3] = Bag[1][3]，为60
如果一定要装入B物品，注意，此时为B物品背包腾出2点空间后，剩余1点承重。这1点承重如果被最大化利用，取得了最高的价值，那么我们基于那个结果再装入B物品，就能取得“腾地方”这种方法的最大价值。
如何找到在仅有一点承重情况下背包可装的最大价值呢？这个答案就存储在Bag[1][1]中，即上一轮操作中背包承重为1情况下背包可装的最大价值。（在下图中用蓝色椭圆圈出）
所以在“腾地方”这种方法下，Bag[2][3]的值就是用Bag[1][1]加上物品B的价值，即60+100，得到160
最后，不装入B物品会获得60的价值，腾完地方再装入B物品会获得160的价值，所以最终将160填入Bag[2][3]。

讲到这里，相信你已经明白了解决0-1背包的基本思路：基于前面小问题的最好结果来进一步获得大问题的最好结果。

这也就是这一问题我们常听到的最优子结构性质。

现在我们接着完成第二行的表格。有了前面的经验，完成剩余内容应该不难。
要么从头顶照抄。要么先给B物品腾地方、找最优，然后再装。最后比谁更大。
计算过程和结果如下表所示：

在完成最后一行表格之前，我们来总结一下填写这个表格的规律：

如果进一步抽象，将物品的价值用v、重量用w这样的数组来表示，就有了下面这个最终的公式：

现在，来完成最后一行的Bag吧。
注意，当前物品为C，所以每次尝试为C “ 腾地方 ” 的时候，需要腾出3点重量空间。
下表展示了部分计算过程：

“ 表格填完了，然后呢？”

还记得我们最开始的问题吗？

在背包承重上限为5的情况下，有ABC三个物品，每个物品各一个，怎样装能获得最大价值？求这个最大价值。

所以，现在需要在表格中，找考虑了ABC三个物品，且背包最大承重为5的那一格中存储的数字，就是题目要求的答案。即Bag[3][5]中存储的220。

我们填写整个Bag表格，最终的目的就是为了获得Bag[3][5]这个位置的值。

Congratulations！你已经学会了解决0-1背包的方法。

一些扩展

【1】0-1背包的表格最完整的形式应该和下图中的一样。多添加了横竖为0的行列。尝试思考一下为什么要这么设计

【2】如果先考虑C、再考虑A、最后再考虑B，结果是一样的吗？

源码（C++）：

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

int main()
{
	int n, v;	//n:物品数量，v:背包最大容量 
	
	cout << "请输入物品数量n 和背包容量v" << endl;
	cin >> n >> v;
	vector<int> w(n+1);	//第n件物品的重量 
	vector<int> c(n+1);	//第n件物品的价值 
	vector<vector <int>> bag;
	for (int i = 0; i <= n; i++) {  //初始化二维Bag表格，额外创建全0的第0行和第0列
		vector<int> vec_row(v + 1);
		bag.push_back(vec_row);
	}
	
	cout << "请按顺序输入物品价值c 和物品重量w" << endl;
	for (int i = 1;i <= n;i++) //从1位置开始存储数据，0位置存储0
		cin >> c[i] >> w[i];

	for (int i = 1; i <= n;i++) { //从1位置开始遍历
		for (int j = 1;j <= v;j++) { //从1位置开始遍历
			if (w[i] > j)   //如果当前物品重量大于当前背包承重，则无法放入，只能从“头顶”照抄
				bag[i][j] = bag[i - 1][j];
			else           //如果可以装，就要判断是“头顶”照抄的价值大，还是“腾地方”找最优、最后装当前物品的价值大。
				bag[i][j] = max(bag[i - 1][j], bag[i - 1][j - w[i]] + c[i]);
		}
	}

	cout << "最大价值为" << bag[n][v] << endl;
	return 0;
}

星砚完成于2024年3月26日
希望本篇的内容对你有所帮助。我们有缘再会！