【动态规划】01背包问题+查找背包物品

目录

一、0-1背包问题

二、问题分析

1、确定备忘录的具体含义

2、状态转移方程

3、初始化

4、遍历顺序及输出

5、回溯法求解最大价值时的背包物品 

三、总结 

四、完整代码

一、0-1背包问题

给定种物品（每种物品均只有一个）和一背包。物品i的重量是，其价值为，背包的最大容量为。怎样选择装入背包中的物品，使得其总价值最大？

例如：现有4种物品，其对应的重量和价值如图所示，另有一最大容量为5的背包，求该背包所能装下物品的最大价值？

物品	重量	价值
0	2	4
1	1	3
2	4	6
3	3	5

二、问题分析

1、确定备忘录的具体含义

dp[i][j]:任取第0~i件物品，放入容量为j的背包，能得到的最大价值
例：dp[1][2]=3的含义:
	任取物品0~物品1，放入容量为2的背包，能得到的最大价值（取物品1放入背包，其价值最大，为3）

dp[i][j] 的定义十分重要，状态方程的书写、数组初始化、遍历顺序和输出结果都必须严格按照该定义进行书写

2、状态转移方程

对于物品，它只有放与不放两种状态，当它能放入背包时，状态转移方程只需取两种状态的最大值; 否则，取不放入时的最大价值。

if (j < w[i])      
	dp[i][j] = dp[i - 1][j];
else               
	dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);

 3、初始化

从状态转移方程可知，欲求dp[i][j],需先确定dp[i-1][j]和dp[i-1][j-w[i]]的值（即需保证dp[i][j]的左上角数据已经处理完成），故我们需对第0行和第0列进行初始化.

//初始化第0列（即背包容量为0）
for (i = 0; i < n; i++)
	dp[i][0] = 0;

//初始化第0行（即只有物品0）
for (j = 1; j <= max_weight; j++) {
	if (w[0] <= j) 
		dp[0][j] = v[0];
	else
		dp[0][j] = 0;
}

4、遍历顺序及输出

遍历顺序：求解dp[i][j]只需提前知道其左上角的数据，故以下两种遍历方式均可。

1、先遍历背包再遍历物品（即物品数固定，背包容量逐增至最大，物品再加1）

 2、先遍历物品再遍历背包（即背包容量固定，物品数逐增至最大，背包容量再加1）

输出：dp[n-1][max_weight]: n件物品任取，放入容量为max_weight的背包，所得的最大价值。

//先遍历物品再遍历背包
for (i = 1; i < n; i++) {                  //遍历物品
	for (j = 1; j <= max_weight; j++) {    //遍历背包
		if (j < w[i])      
			dp[i][j] = dp[i - 1][j];
		else               
			dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
	}
}
//先遍历背包再遍历物品
for (j = 1; j <= max_weight; j++) {    //遍历背包
	for (i = 1; i < n; i++) {          //遍历物品
		if (j < w[i])
			dp[i][j] = dp[i - 1][j];
		else
			dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
	}
}

5、求解最大价值时的背包物品 

由状态转移方程（dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i])）可知，当dp[i][j]dp[i-1][j]时，物品i被放入背包中（判断条件），当dp[i][j]=0时，背包中已经没有物品（结束条件）。

//回溯法求解装入物品
i--; j--;     //循环结束后,i=n,j=max_weight+1,故使用dp[n - 1][max_weight]须自减1
cout << "最大价值时的背包物品为：" << endl;
while (dp[i][j]&&i>=0) {    
	if (dp[i][j] != dp[i - 1][j]) {
		cout << "物品" << i << endl;
		j -= w[i];  //装入物品i后背包的最大容量
	}
	i--;    //物品i已经处理完成，接下来讨论物品i-1
}

1、 使用dp[i][j]（最大价值)前一定要对i,j进行处理，否则，运行时会抛出异常；

2、结束条件一定要加上i>=0,否则，运行结果可能会出现物品-1等错误。

3、该法得到的结果只为其中的一组最优解，可能还存在其他最优解，例如：当我们装入物品0（2，4）和物品3（3，5）时，其最大价值也为9.

三、总结 

 1、0-1背包问题是背包问题的基础。深入了解0-1背包问题（每件物品只有一个）是掌握完全背包问题（每件物品有无数个）、多重背包问题（不同物品数量不同）和分组背包（物品分为多组，每组最多选一个）的关键；

2、使用dp[i][j]数组时，一定要注意数组的界限问题，避免越界访问造成错误。比如：刚开始的时候，我认为背包不存在容量为0的情况，故没有将第一列初始化为0，导致输出出错，将dp[i][j]全部打印出来后，才知道是dp[1][1]出错了，因为dp[1][1]=max(dp[0][1],dp[0][0]+v[0])，需要用到dp[0][0]，造成越界。所以，检验算法的正确性，可以先人工求解出dp[i][j]数组，再用程序将其打印出来，这样有利于我们快速找到问题所在。

                                                                  转换表（打印）

转换表(人工）
	0	1	2	3	4	5
0	0	0	4	4	4	4
1	0	3	4	7	7	7
2	0	3	4	7	7	9
3	0	3	4	7	8	9

3、背包问题一定要先明确辅助数组的具体含义再确定转换方程，根据转换方程来确定初始化、遍历顺序和输出结果。

四、完整代码

#include<iostream>
#include<algorithm>
using namespace std;

const int max_weight = 5;
const int n = 4;

int main() {
	int i, j;
	int w[n] = { 2,1,4,3 }; //重量
	int v[n] = { 4,3,6,5 }; //价值
	int dp[n][max_weight+1];//辅助数组

	//初始化第0列（即背包容量为0）
	for (i = 0; i < n; i++)
		dp[i][0] = 0;
	//初始化第0行（即只有物品0）
	for (j = 1; j <= max_weight; j++) {
		if (w[0] <= j) 
			dp[0][j] = v[0];
		else
			dp[0][j] = 0;
	}

	//状态转移
	//先遍历物品再遍历背包
	for (i = 1; i < n; i++) {                  //遍历物品
		for (j = 1; j <= max_weight; j++) {    //遍历背包
			if (j < w[i])      
				dp[i][j] = dp[i - 1][j];
			else               
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
		}
	}

	//输出
	cout << dp[n - 1][max_weight] << endl;

	//回溯法求解装入物品
	i--; j--;     //循环结束后,i=n,j=max_weight+1,故使用dp[n - 1][max_weight]须自减1
	cout << "最大价值时的背包物品为：" << endl;
	while (dp[i][j]&&i>=0) {    
		if (dp[i][j] != dp[i - 1][j]) {
			cout << "物品" << i << endl;
			j -= w[i];  //装入物品i后背包的最大容量
		}
		i--;    //物品i已经处理完成，接下来讨论物品i-1
	}

	return 0;
}

运行结果：