动态规划 —— 01背包问题

作为动态规划的经典题目，网上的很多解释有点模糊，写个博客记录一下吧。

1、问题描述

你有一个承重能力为 $bearing$ 的背包，现在有一些物品，其重量按顺序存放在数组 $weight（weight[i]>0）$ 中，每个物品的价值按顺序存放在数组 $value$ 中。问题：在背包的承重范围内，可以装的物品的最大价值是多少？

2、状态转移方程的建立

2.1 状态转移方程

我们用 $dp[i][j]$ 表示访问到 $i$ 个物品时（包括第 $i$ 个物品）承重能力为 $j$ 的背包所装物品的最大价值。 【注意：有的文章将 $j$ 解释为背包的剩余承重量，这是错误的！这里的 $j$ 就是背包的承重能力，至于为什么，看到后面就懂了。】
当访问到第 $i$ 个物品的时候，对于承重能力为 $j$ 的背包，分为以下两种情况：

• $j<weight[i]$，即背包的承重能力 $j$ 小于第 $i$ 个物品的重量 $weight[i]$，此时第 $i$ 个物品是无法装入背包中的，因此访问到第 $i$ 个物品的时候背包所装物品的最大价值就是访问到第 $i-1$ 个物品时背包所装物品的最大价值。即：
  $$dp[i][j]=dp[i-1][j]$$
• $j>=weight[i]$，即背包的承重能力 $j$ 不小于（大于等于）第 $i$ 个物品的重量 $weight[i]$，此时第 $i$ 个物品可以装入背包中【注意：这里说第 $i$ 个物品可以装入背包指的是背包之前怎么装的我不管，由于背包的承重能力 $j>weight[i]$，因此第 $i$ 物品是可以装入背包中，至于装入第 $i$ 个物品之前怎么装最好，那是 $dp[i][j-weight[i]]$ 需要回答的问题。】。对于第 $i$ 个物品，有两种选择——装或者不装。
  选择装的时候的最大价值为：
  $$dp[i-1][j-weight[i]]+value[i]$$
  【注意：这里不是 $dp[i-1][j-1]+value[i]$，此处的理解是关键。】
  选择不装的时候的最大价值则为：
  $$dp[i-1][j]$$
  我们选择两者的最大值，即为访问到 $i$ 个物品时（包括第 $i$ 个物品）承重能力为 $j$ 的背包所装物品能获得的最大价值，即 $dp[i][j]$，也就是：
  $$dp[i][j]=max(dp[i-1][j-weight[i]]+value[i],dp[i-1][j])$$

2.2 初始条件

对于 $dp[i][j]$，由于下标是从0开始的，因此01背包问题的初始条件是：

1. 由于物品的重量不为0，因此当背包的承重 $j$ 为 0 时，访问到第 $i$ 个物品时所能装的物品的最大价值为0，即 $dp[i][0]=0$.
2. 第 $i$ 个物品处的最大价值与第 $i-1$ 个物品的最大价值是相关的，如果首个物品的编号为 $i$，则第 $i-1$ 个物品就代表没有物品，由于数组的下标从0开始，因此我们将物品从1开始编号，则第0个物品代表没有物品，因此有 $dp[0][j]=0$.

可以验证，上面的初始条件和状态转移方程是吻合的。

3、代码实现

对于如下问题。
物品的重量为：
$$weight=[4,6,2,2,5,1]$$
每个物品的价值为 ：
$$value=[8,10,6,3,7,2]$$
背包的承重为：
$$bearing=12$$
为了适应状态转移方程，我们对物品从1开始编号，而不是从0开始编号，先对 $weight$ 和 $value$ 补零，即：
$$weight=[0,4,6,2,2,5,1]$$
$$value=[0,8,10,6,3,7,2]$$
从而可以得到 $dp[i][j]$ 的边界条件。即：
$$dp[i][0]=0(i=0,1,2...,6)$$
$$dp[0][j]=0(j=0,1,2...,12)$$
代码实现如下：

// 0 1 背包问题
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int main()
{
	vector<int> weight = { 0,4,6,2,2,5,1 };         //物品的重量（补零后）
	vector<int> value  = { 0,8,10,6,3,7,2 };        //物品的价值（补零后）
	int bearing = 12;                                       //背包的承重
	int n = weight.size();                                  //物品数量（补零后）
	vector<vector<int>> dp(n, vector<int>(bearing + 1));    //状态转移数组

	//核心代码
	for (int i = 1; i < n; i++)
	{
		for (int j = 1; j < = bearing; j++)
		{
			if (j < weight[i])
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j - weight[i]] + value[i], dp[i - 1][j]);
		}
	}

	cout << "所装物品最大价值：" << dp[n - 1][bearing];
	return 0;
}

结果为24.
如果将 $dp[i][j]$ 全部打印出来，则如下表所示：