【动态规划】0-1背包问题

0-1背包问题是用一个有限容量的背包，尽可能地装下更多价值的东西，每个物品的数量都是1，以下面的数据为一个例子：

	价值	重量
物品1	15	1
物品2	20	2
物品3	30	4
物品4	40	5

如今你有一个容量为7的背包，请问如何装才能使你的装下的物品总价值最高？

这里我就不论证为什么这类问题要用动态规化来解决了，着重分析该问题如何使用动态规划来解决。

使用一个二维dp[ i ][ j ]数组来记录数据

背包容量	0	1	2	3	4	5	6	7
物品1
物品2
物品3
物品4

我们以下标的形式分别标注行、列为第0行，第1行…… 第0列，第1列……

dp[ i ][ j ]内的 i 表示只装下标为[0，i]的物品，例如：i=2，表示只装下标为[0，2]的物品，就是只考虑物品1，物品2，物品3

 dp[ i ][ j ]内的 j 表示背包容量，例如j=3，表示背包当前容量为3

dp[ i ][ j ]内每一个小单元格，记录只考虑下标为[0, i]的物品，在当前背包容量为j时能装下物品的最大价值，例如：dp[ 2 ][ 3 ]记录只考虑物品1，物品2，物品3时，在背包容量为3时，背包内装下物品的最大价值

解释完dp数组的基本功能后，接下来就是dp数组的初始化，

dp数组的初始化

显而易见的，当背包容量j=0时，背包内装下物品的最大价值都为0，

当背包容量j>0时，只装物品1，背包内装下物品的最大价值都为15，

因此我们就可以初始化我们的表格为：

背包容量	0	1	2	3	4	5	6	7
物品1	0	15	15	15	15	15	15	15
物品2	0
物品3	0
物品4	0

初始化完成后，就是根据递推关系填写表格

根据递推关系填写表格

dp[ i ][ j ]有两个递推方向

第一个，当 j  < weight[ i ]时，即背包容量比物品i的容量还小，即使我们把背包里的东西都拿出来了，还是放不进背包里，现在考虑不考虑物品i结果都是一样的，背包内装下物品的最大价值就可以直接等于不考虑物品i时的最大价值

那么此时dp[ i ][ j ] = dp[ i - 1][ j ]

第二个，当j  > weight[ i ]时，这时就可以放得下物品i了

但此时有会出现两种情况了，因为背包容量+1，+1，这样慢慢加起来的，如果只有+1，你不能直接把物品i装进背包里

这时你有两个选择了

选择1：背包容量就加了一点点，不能直接放进物品i，那还不如不管它 dp[ i ][ j ] = dp[ i - 1][ j ]

选择2：你把原来背包中的物品拿出来一部分，空出的位置装下物品i，这样 dp[ i ][ j ] = dp[ i-1 ][ j - weight( i )]  + value( i )，就是将背包空出足够空间装物品i的情况，空出后的最大价值 + 物品 i 的价值 = 当前j容量下背包的最大价值

比较上面两种选择的最大价值，选择最大的价值就可以

以下是代码实例：

void test02()
{
	vector<int> value = { 15,20,30,40 };   //记录物品的价值
	vector<int> weight = { 1,2,4,5 };   //记录物品的重量
	int bagWeight = 7;   //背包容量
	vector<vector<int>> dp(weight.size() + 1, vector<int>(bagWeight + 1, 0));

	//初始化dp数组
	//当背包容量j=0时，背包内装下物品的最大价值都为0，
	for (int i = 0; i < weight.size(); i++)
	{
		dp[i][0] = 0;
	}
	//当背包容量j>0时，只装物品1，背包内装下物品的最大价值都为物品1的价值
	for (int i = 1; i <= bagWeight; i++)
	{
		dp[0][i] = value[0];
	}

	//遍历dp数组，填写表格
	for (int i= 1; i < weight.size(); i++) {  //遍历物品
		for (int j = 1; j <= bagWeight; j++) {  //遍历背包容量
			/*
			第一个，当 j  < weight[ i ]时，即背包容量比物品i的容量还小
			即使我们把背包里的东西都拿出来了，还是放不进背包里
			现在考虑不考虑物品i结果都是一样的
			背包内装下物品的最大价值就可以直接等于不考虑物品i时的最大价值
			*/
			if (j < weight[i])
			{
				dp[i][j] = dp[i - 1][j];
			}

			//第二个，当j  > weight[ i ]时，这时就可以放得下物品i了
			else
			{
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
			}

		}
	}

	cout << dp[weight.size() - 1][bagWeight] << endl;
}

 输出结果：