01背包问题(朴素dp写法和优化)+蓝桥杯 倍数问题

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式

第一行两个整数，N，V，，用空格隔开，分别表示物品数量和背包容积。

接下来有 N行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤1000
0<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

8

 图析：

#include <iostream>
#include <cstring>
#include <algorithm>
#include <cstdio>

using namespace std;

int n,m;
const int N=1010;
int f[N][N];//状态表示
int v[N],w[N];

int main()
{
    int res;
    cin >> n>> m;
    for(int i=1;i<=n;i++) cin >> v[i] >> w[i];
    
    //状态计算
    for(int i=1;i<=n;i++) 
        for(int j=0;j<=m;j++)
        {
            if(j<v[i])//不可以选i物品的情况
            f[i][j]=f[i-1][j]; 
            else //可以选i物品，分为选i还是不选，取两者最大价值
            f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]); 
        }
        
    cout << f[n][m]<<endl;
    
    return 0;
}

这是朴素的dp写法（不做过多详述），我觉得适用于开辟的数组数量较小题目，一旦数组数量变多，此二维数组空间则会受限，所以需要下面的优化方法，将其优化为一维数组；

此优化本质上就是对朴素dp写法的恒等变形，解释一下：

1-沿用上述图析里面的闫式DP分析，此时优化后的f[j]表示的集合的含义仍然是考虑前i个数，且总价值不超过j的选法的集合，f[j]的值也是其中所有选法的最大价值，表示优化后的整个逻辑不变；

2-不同之处在于这里我们针对前i个数遍历体积的值时，要改成逆序；（先简单提及，具体看下面例子）；

先贴一下优化后的代码，我们来比较核心的不同之处：

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cstring>

using namespace std;

const int N=1010;

int n,m;
int v[N],w[N];
int f[N];

int main() {
    cin >> n >> m;
    for(int i=1;i<=n;i++) cin >> v[i] >> w[i];

    for(int i=1;i<=n;i++) 
        for(int j=m;j>=v[i];j--) 
            f[j]=max(f[j],f[j-v[i]]+w[i]);
    cout << f[m] << endl;
 return 0;    
}

朴素DP： 

for(int j=0; j<=m; j++)

        f[i][j] = max(f[i-1][j],f[i-1][j-v[i]]+w[i]); 

优化后的DP：

for(int j=m; j>=v[i]; j--) 
        f[j]=max(f[j], f[j-v[i]]+w[i]);

其实就是对一开始的状态转移方程f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]); 进行恒等变形后对枚举体积进行了逆序变换；

样例还是这个
4 5
1 2
2 4
3 4
4 5

起初的DP：
for(int i=1;i<=n;i++) 
        for(int j=0;j<=m;j++)
        {
            if(j<v[i])//不可以选i物品的情况
            f[i][j]=f[i-1][j]; 
            else //可以选i物品，分为选i还是不选，取两者最大价值
            f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]); 
        }

假如进行恒等变形不进行逆序的变换：
for(int i=1;i<=n;i++) 
        for(int j=0;j<=m;j++)
        {
            if(j<v[i])//不可以选i物品的情况
            f[j]=f[j]; 
            else //可以选i物品，分为选i还是不选，取两者最大价值
            f[j]=max(f[j],f[j-v[i]]+w[i]); 
        }
        
   
代入例子观察没有使用逆序的逻辑是否满足题干中的情况：
i==1(前i个物品)  v[1]==1,w[1]==2

j==0  f[0]=f[0]; 由于f[0]起初没有更新，开的全局数组其值默认就是0，所以f[0]值为0
j==1  由于j>=v[i],所以f[1]=max(f[1],f[1-v[1]]+w[1])=max(0,f[0]+2)=2,即f[1]==2;

j==2  由于j>=v[i],所以f[2]=max(f[2],f[2-v[1]]+w[1])=max(0,f[1]+2)=4,即f[2]==4;
注意这里，上述的代入数据推导f[2]==4是错误的，对于i==1，前1个数，不管当前体积是多少，最大价值永远都是选这1个数的总价值，即应该一直为w[1]==2，但是对于前1个数，当前体积为2时，最大价值却出现4，所以结果是错误的;


接下来，我们来分析一下为什么是错误的，这里我们在对状态转移方程恒等变形时，只是变换其形式，其逻辑是不变的，何为逻辑不变，对于两种情况：
(1) f[j]=f[j]; 左边是前i个数对应的j,右边是前i-1个数对应的j,更新之后左边的f[j]逻辑上是第i层的j，这里无伤大雅；
(2) 但是当进行f[j]=max(f[j],f[j-v[i]]+w[i]);假如j==2,f[2]=max(f[2],f[2-v[1]]+w[1])=max(0,f[1]+2),这里的f[1]根据朴素DP写法应该是第i-1层的f[1] (f[i-1][j-v[i]) ,但是由于优化后只有一维 j ，没有维度 i 限制到底是i-1层还是i层，所以f[1]其实是前面步骤更新的第i层的f[1],如(1)中所描述的一样，更新的左边的f[1]其实就是前i个数体积不超过1的价值；这就会导致期间状态更新会出现错误，然后一直错下去；
本质原因就是由于无维度限制，这会导致每次的i层的j会覆盖i-1层的j，等到下次用到状态转移方程时，本来想使用i-1层的j-v[i]，其实是用的i层的j-v[i];


那为什么逆序就会解决这个问题呢：
f[j]=max(f[j],f[j-v[i]]+w[i]); ->  f[5]=max(f[5],f[5-1]+w[1]); 从大到小很好的解决了这个问题，因为当我们 需要 f[5] 的值时，我们要知道 小于5的数组的值，而这些小于5的数组还没被覆盖，值还是上一层的值，所以就用到了上一层的状态。这正好满足了我们对朴素DP的恒等变形；其实这种问题我们只要搞懂不使用逆序为什么是错误的，就可以很好的模拟例子来理解为什么逆序之后，可以正确的得出答案；


简化恒等变形：
for(int i=1;i<=n;i++) 
        for(int j=m;j>=v[i];j--)
        f[j]=max(f[j],f[j-v[i]]+w[i]); 

这就是我对01背包问题的一些自己的理解，欢迎大家补充讨论，找出更好的理解方法。

 稍后更新蓝桥杯倍数问题的概述，也是01背包问题的应用；