01背包问题详解

01背包问题

最近被背包问题难住了，先上题目（背包问题都大同小异，于是我随便找了一个）

有一个背包，可以装得下总重量tt的物品若干，有n个物品，每个物品价值fi，重量ti
问：如何选取物品才能在有限的重量tt中装入价值最大的物品。
如：
input：3 5         //n=3，tt=5；一共有n=3个物品，背包可以容得下tt=5的重量
       1 2         //第一个物品的价值和重量
       5 5         //第二个物品的价值和重量
       4 3         //第三个物品的价值和重量
output：5          //可以容得下价值总和为5

ok，看到这个题目，首先我第一个会想到暴力枚举去解决这个问题，但是那样的话时间复杂度会非常大，大概估计一下，会达到O(2^n)，这个是非常恐怖的，我最近在学动态规划，恰巧里面的经典例题有背包问题，时间复杂度会降低到O(n ^2)，这个就还很棒了，废话不多说，开始讲一下我的理解。
首先说明一下，什么是动态规划，简称dp（Dynamic Programming），用一句比较富有哲理的话来描述dp就是：“要看谁笑到了最后，暂时的领先说明不了什么问题”。dp还有一个特性就是状态的无后效性，很好理解，就是过去可以影响着现在，但是现在不能改变过去。
dp最重要的就是状态转移方程，所谓状态转移方程，就是过去来影响现在，让过去的结果影响现在，说白了相当于反向递归。
先来说一下用二维数组写这道题（当然不是最优选择，也不是最简单的，但是是最好理解的）。
先定义一个变量n，存放物品总数，然后再定义一个变量tt，存放背包大小（可以容得下的总重量），再然后定义一个数组f[n]存放每个物品的价值和 t[n]存放每个物品的重量 二维数组dp[n][n]。

int f[1005],t[1005];
int dp[1005][1005]；
int n,tt;
cin>>n>>tt;
    for(int i=1;i<=n;i++)
        cin>>f[i]>>t[i];

这是铺垫部分，接下来讲最核心的部分，dp数组

for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=tt;j++)
            dp[i][j]=dp[i-1][j];
        for(int j=t[i];j<=tt;j++)
         dp[i][j]=max(dp[i-1][j],dp[i-1][j-t[i]]+f[i]);

    }

我们主要关注上面的代码，dp数组是如何运行的。dp[i][j]表示前i件物品放进总容量为j的背包里能获得的最大的价值为多少，是不是很难理解？那就对了，因为我也被这里困扰了许久。对于一个物品，我们有两种选择，放或是不放进背包里。如果选择不放进背包里的前提是，这个物品太大，背包总容量都不够，或者这个物品就算放进去了，举个例子，比如第三个物品的价值为3，重量为2，第四个物品的价值为2，重量为3，那么我肯定会选择第二个物品对吧，就可以表达成dp[i-1][tt]，可以理解成不放第i个物品，前i-1个物品存放在tt的书包里所能获得的最大价值。那么要是放这个物品的话，是不是要在前面放进去的物品中给他留一个位置，就是总容量为tt，给他留位置就是tt-t[i]（表示总容量减去第i个物品的重量）然后再求tt-t[i]所能容下物品的最大价值，可以表达成dp[i-1][tt-t[i]]+f[i],是不是很难理解这里？对，这就是精髓部分，来解释一下（你也可以学着自己来解释一下），前i-1个物品（因为第i个物品必放进去，所以我只要知道前i-1个物品放进去的最大价值）放进tt-t[i]（为第i个物品留位置）的书包里，然后再加上f[i]（第i件物品的价值，既然必放第i件物品，那么肯定要加上第i件物品的价值咯）。那么怎样确定是放还是不放?好办，我直接判断他们两个谁大谁小就好了

max(dp[i-1][tt],dp[i-1][tt-t[i]]+f[i]);

max函数在c++里需要头文件#include < algorithm>，要是c语言就需要创立一个max函数，也不复杂，这里就不多介绍了。
他们谁大我就用哪个方法（放进去还是不放进去），来画一个表格，就用题目的样例来画一个图

tt\n	0	1	2	3
0	0	0	0	0
1	0	0	0	0
2	0	1	1	1
3	0	1	1	4
4	0	1	1	4
5	0	1	5	5

来解释一下这个图，横的表示n，就是前n件物品放进背包里，竖的表示tt，就是当前书包可以容得下的最大重量，表中数字代表前n件物品放进容量为tt的书包中所获得的最大价值，首先不管n=0或者tt=0，都不能放任何东西，所以均为零，这就是它的边界部分，然后我们来看当n=1的时候，就是前n件物品放进tt的书包里所产生的最大价值，第一件物品的重量为2，所以必须tt=2，才能装得下它，从而价值为1，然后当tt等于3的时候，首先需要继承前一个位置的最大价值，因为都是前1个物品，tt=3比tt=2的书包容量还大了，所以肯定能放得下它的价值，这是它的底线，然后进行判断max(dp[i-1][tt],dp[i-1][tt-t[i]]+f[i]);转换一下就是max(dp[0][3],dp[0][1]+f[1]);如果不放第i个物品，总价值就是dp[0][3]=0,要是放就是dp[0][1]+第一个物品的价值1 =1，那么肯定1大啊，所以放进去，那么这个位置就是1，再来举个例子，看一下n=3，tt=3的时候，max(dp[2][3],dp[2][0]+f[3])，就是max（1，0+4）=4，所以选择放进去。讲了这么多，大家应该可以理解了这个状态转移方程了吧。

#include <iostream>
#include<algorithm>
int f[1005],t[1005];
int dp[1005][1005];
using namespace std;
int main()
{
    int n,tt;
    cin>>n>>tt;
    for(int i=1;i<=n;i++)
        cin>>f[i]>>t[i];
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=tt;j++)
            dp[i][j]=dp[i-1][j];
        for(int j=t[i];j<=tt;j++)
         dp[i][j]=max(dp[i-1][j],dp[i-1][j-t[i]]+f[i]);
    }
    cout<<dp[n][tt]<<endl;
    return 0;
}

至于为什么要写dp[i][j]=dp[i-1][j];就是为了保险起见，防止有些题目的测试数据进行跳跃性，所以我们必须写这一步，要不然就不能ac，有点难得解释，举个例子吧，比如输入书包大小50，物品3个，然后第一个物品重量为1，价值100，第二个物品的重量为16，价值为200，第三个物品的重量为35，价值为300，让我们来运行一下，看看输出的结果是什么

结果是300，其实我们想一下就知道装入第一个物品和第三个物品，总重量36，不会超过50，总价值是400，也比300大，所以要写这行代码。

dp[i][j]=dp[i-1][j];

这个时间复杂度是n^2，无法进行优化了，但它使用的二维数组，我们可以从空间上降低复杂度，使用一维数组。
其实我前面讲了这么多，其实dp[i][j]的i可以去掉不要了，因为一维数组其实比二维数组少了很多麻烦，第一，它不需要继承前一个的数值，我们直接拿前一个的数值来使用，反正要么修改它，要么就是用它，举个例子，比如当计算到dp[i+1][]时，dp[i-1][]的数值完全用不到，我们只需要用到dp[i][]，而用到dp[i][]也是要么等于它的值，要么把他变成一个新值。第二，代码会变得少很多。
所以它的核心的状态转换方程就是（也可以自己推一推）

dp[j] = max(dp[j], dp[j - t[i]] + f[i])

是不是看着舒服了很多，接下来晒出代码。

#include <iostream>
#include<algorithm>
int f[1005],t[1005];
int dp[1005];
using namespace std;
int main()
{
    int n,tt;
    cin>>n>>tt;
    for(int i=1;i<=n;i++)
        cin>>f[i]>>t[i];
    for(int i=1;i<=n;i++)
    {
        for(int j=tt;j>=t[i];j--)
         dp[j]=max(dp[j],dp[j-t[i]]+f[i]);

    }
    cout<<dp[tt]<<endl;
    return 0;
}

对了，有一点要注意，使用一维数组时，需要逆序，比较一下二维数组和一维数组，想想是为什么要这么做，不这么做会怎么样？