01背包问题
首先我们来看一下案例,通过案例来对01背包问题进行理解
- 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?
很多同学拿到这种题感觉无法下手,这是典型的01背包问题,下面通过一个具体的例子进行讲解,采用动态规划的方法解决01背包问题。
首先根据动态规划的五部曲进行解题:
1.确定dp数组及其下标的含义
在这里我们采用的是二维数组进行定义的,dp[i][j]表示将下标为0-i之间的物品装入背包容量为j的背包中所能获取的最大值。
我们要时刻牢记dp[i][j]的作用,可以通过如下的图进行理解
2.确定递推公式
首先我们分析一下,对于dp[i][j]来说,我们得到这个最大价值的情况只能通过两种情况获取,对于物品i来说,我们无非是有两种情况,取或者不取
if(取) :dp[i][j]=dp[i-1][j-weight[i]]+value[i]
if(不取):dp[i][j]=dp[i-1][j]
所以最终的dp[i][j]=max(取的情况,不取的情况)
在这里我们要时刻牢记递推公式的含义及其下标的意义。
3.进行初始化
首先当背包容量为0的情况下,dp[i][0]在任何情况下都为0,因为背包都装不了东西,最大价值肯定就是0;
再来看递推公式,dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
dp[i][j]是由dp[i-1]推出来的,所以dp[0][j]就必须要初始化,在初始化的时候始终要牢记数组的意思,不然会越来越绕。
vector<vector<int>> dp(weight.size()+1,vector<int>(bagweight+1,0));
for(int i=bagweight;i>=weight[i];i--){
dp[0][i]=dp[0][i-weight[0]]+value[0];
}
注意:在这里我采用的是逆序遍历,因为如果正序遍历的情况下,dp[0][i]会重复叠加,举个例子:
正序遍历的情况下
dp[0][1]=15
dp[0][2]=dp[0][2-1]+15=30
所以不能正序进行遍历
4.确定遍历顺序
在进行初始化完成后,开始进行遍历,在遍历之前,我们首先想一想怎么进行遍历,是先对物品进行遍历还是先对背包重量进行遍历呢?
那么我们首先来看一下先对物品进行遍历的情况
for(int i=1;i<weight.size();i++){
for(int j=0;j<=bagweight;j++){
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]);
}
}
}
下面先对容量进行遍历,在对物品进行遍历
for(int j=0;j<=bagweight;j++){
for(int i=1;i<=weight.size();i++){
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]);
}
}
}
其实无论是先遍历物品还是先遍历背包都是一样的,这个需要去理解他的本质,虽然两个for循环遍历的次序不同,但是dp[i][j]所需要的数据就是左上角,根本不影响dp[i][j]公式的推导!
5.举例推导dp数组
完整的C++实现代码:
void test_2_wei_bag_problem1() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagWeight = 4;
// 二维数组
vector<vector<int>> dp(weight.size() + 1, vector<int>(bagWeight + 1, 0));
// 初始化
for (int j = bagWeight; j >= weight[0]; j--) {
dp[0][j] = dp[0][j - weight[0]] + value[0];
}
// 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];
else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
cout << dp[weight.size() - 1][bagWeight] << endl;
}
int main() {
test_2_wei_bag_problem1();
}