动态规划01背包详解 （以洛谷P1734 最大约数和为例）

·摘要

动态规划算法通常用于求解某些具有最优性质的问题。基本思想是待解决的问题分解成若干个子问题，通过求解子问题来得到原问题的解。而递归求解的过程常常可以展开成一棵树，比如典型的斐波那契数列，但求解这棵树的时候，我们发现有很多需要重复计算的子问题，如果我们能将子问题的结果保存起来，那将会节省很多时间。而背包问题则是一类典型的运用动态规划方法求解的问题。背包问题又分为01背包和完全背包两种。
本文以洛谷的P1734 最大约数和为例，对一般的01背包问题进行分析，并利用滚动数组进行空间优化处理。

问题的重述

【题目描述】
选取和不超过S的若干个不同的正整数，使得所有数的约数（不含它本身）之和最大。
【输入格式】
输入一个正整数S。
【输出格式】
输出最大的约数之和。
【输入输出样例】

问题的分析

【算法】：动态规划
【数据结构设计】：数组
我们对一般的背包问题进行分析，并进行空间状态优化，进而将一般的模型应用在这个问题的解决上。

（一） 01背包问题模型：

1.1 问题情境：
给定 n 种物品和一个容量为 C 的背包，物品 i 的重量是 wi，其价值为 vi 。问：应该如何选择装入背包的物品，使得装入背包中的物品的总价值最大？
1.2 具体实例和分析：

我们设B(i,j)表示：从第1件到第i件物品，在背包称重为j的情况下，能够拿到的最大价值。这样理解的话，我们对该问题的求解即是求解B(4,8)。

（P.S. 特别的：我们有B(0,j)为0，B(i,0)为0。这里是为了编程方便数组遍历，所以赋予0意义：B(0,j)表示任意背包容量，我一件都不想拿，此时能拿到的最大值自然是0；B(i,0)则表示考虑前i件物品，但背包容量为0，装不了任何物品，此时能拿到的最大价值也为0。）

对于B(1,2)，B(2,3)我们能比较轻易地通过观察得到最大价值分别是1和2.而对于B(4,8)我们就无法直接观察得出答案了。而对于每一件物品i，都有两种情况：
①背包容量不足导致不能选择i
②背包可以装下i，但可以主观地选择不选物品i，最终在选与不选的价值之间选择价值较大的那种选法；

我们稍作分析可以得到以上的两种情况的递推公式——

以B(4,8)为例，即若第四件物品过重，在目前容量为8时无法装下，则有B(4,8)=B(3,8).而若可以装下第四件物品，我们考虑两种情况：
①一种是选择第四件物品：B(4,8)=B(3,8-w(4))+p(4)=B(3,3)+p(4) （w(4)表示第四件物品的重量，p(4)表示第四件物品的价值），上式则表示在一定取第四件物品的情况下，能拿到的最大价值为：在空间容量为3时考虑前3件物品所能拿到的最大价值加上已经拿到的第4件物品的价值。

②另一种是不选择第4件物品，那么能拿到的最大价值则是前3件物品在背包容量为8时能拿到的最大的价值。及B(3,8)。与装不下第四号物品的情况一致。

在能放进第四件物品的前提下要获得最大的价值就要选取上述①②两种情况下的最大值，即B(3,3)+p(4)和B(3,8)两个值中的较大者。

结合上面的分析，我们知道要求B(4,8)我们可能要用到B(3,3)的值，可能要用到B(3,8)的值。而求取B(3,3)和B(3,8)的值我们又要按照公式进行比较和选择。综上我们可以，要隐约得到这样一个结论：要求B(i,j)的值，其实我们有必要知道前面一些数的值，假如这些值都知道了，那么B(i,j)的值也就可以得出了。
为此，我们用一个表格来描述这样一个通过前面的值来推出B(i,j)的值的过程——

该表格的第一行的数字0——8代表j,即此时的背包剩余容量。需要说明的是此表格【从左上填到右下】。且由上述的特别说明（斜体字部分）可知，表格空白处的第一行和第一列均为0；接着我们从B(1,1)开始按照给出的公式来进行填表（装不下，B(1,1)处填0）。此处省略过程，直接给出填好的表格——

按照上面的分析，我们可以知道其实求解B(4,8)的即完成上面的表格的填写，而当我们填完最后一个数字，B(4,8)也求出来了。
根据上述的思路，代码的实现过程其实也很容易：对二维数组进行遍历即可，给出下面的伪代码：

1.	初始化表格table[n_item][capacity]所有元素为0   
2.	    for : 从0开始遍历物品标号i  
3.	            for : 从0开始遍历背包容量capacity   
4.	                 	if(当前容量j大于等于第i件物品重量)    //能装下  
5.	                   table[i][j]=max(table[i-1][j],table[i-1][j-w[i]]+p[i]);  
6.	                    else                                //装不下   
7.	                        table [i][j]=table[i-1][j];  
8.	最后输出table[n_item][capacity]，即表格的最后一个元素，问题得到解决。

（二）空间状态压缩：

在完成上面的表格的过程中，我们可以发现这样一个事实——任何一个B(i,j)，直接决定他的值的只有它的上面一行的数据，即B(i-1,j)和B(i-1,j-w[i])决定 B(i,j)。所以对于某一行的数据来说并不需要i-1行以前的数据，前面的空间被浪费了。同时，对于w[i]（i物品的重量）一定是大于0的，所以B(i,j)其实是由B(i-1,j)和其左边的数据决定的。即：（以B(4,8)为例）

1.	初始化一维数组v[capacity]所有元素为0   
2.	    for : 从0开始遍历物品标号i  
3.	            for : 从capacity开始倒序遍历背包容量        //即  capacity-->0   
4.	                    if(当前容量j大于等于第i件物品重量)    //能装下  
5.	                        v[j]=max(v[j],v[j-w[i]]+p[i]);  
6.	                    else                                //装不下   
7.	                        v[j]=v[j];    //装不下其实不用处理，为了方便叙述写上   
8.	最后输出v[capacity]，即数组的最后一个元素，问题得到解决。 

（三） 本题的解题思路：

言归正传，在理解上述01背包后，我们可以很简单的解决这一题了。通过对比，我们知道这题背包容量capacity就是输入的数字S，物品的价值就是物品编号的约数和。
这样分析之后我们即可知道只要求出因子之和完成对p数组的初始化即可按照背包问题的模板解决问题了。而求出因子和只需要写个函数计算即可，这里不予赘述。直接给出核心部分的伪代码：

1.	初始化一维数组v[S]所有元素为0   
2.	    for : 从0开始遍历物品标号i至S  
3.	            for : 从S开始倒序遍历背包容量          		//即  S-->0   
4.	                  if(当前容量j大于等于第i件物品重量)  	//能装下  
5.	                     	v[j]=max(v[j],v[j-w[i]]+p[i]);   
6.	最后输出v[S]，即数组的最后一个元素，问题得到解决。   

下面给出题目完整代码

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

int tosum(int a);
int isprime(int a);

int p[1001]={0};    //i的因数和
int capcity;        //背包容量  即不超过输入的数
int n_item;         //拿的物品的数量，当前拿？？或当前不拿n_item号物品
int w[1001]={0};    //重量，1的重量是1  1000的重量的1000
int v[1001];


int main()
{
    int i,j;

    scanf("%d",&n_item);
    capcity=n_item;

    //先完成对重量数组w和价值数组p的初始化
    for(i=1;i<=n_item;i++){
        w[i]=i;
        p[i]=tosum(i);
    }

    //常规01背包解法
    for(i=0;i<=n_item;i++){
        for(j=capcity;j>=0;j--){
            if( j >= w[i] ){ //背包可以装下
                v[j]=( v[j] >= v [j-w[i]] + p[i] )? v[j] : v[j-w[i]] + p[i];
            }
        }
    }

    printf("%d",v[n_item]);

    return 0;
}

int isprime(int a)
{
    int i;
    if(a==2||a==1)
        return 1;
    else
    {
        for(i=2;i<=a;i++){
            if(a%i==0)
                break;
        }
        if(i==a)
            return 1;
        else
            return 0;
    }
}

int tosum(int a)
{
    int i;
    int sum=0;
    if(isprime(a)){ //是素数
        if(a!=1)
            sum=1;
        else
            sum=0;
    }
    else{
        for(i=1;i<a;i++){
            if(a%i==0){
                sum+=i;
            }
        }
    }
    return sum;
}

详解的话可以看看b站的01背包算法视频课