0-1背包详细解析及python实现

n件商品数量，限制的最大重量(capacity)是c，物品的重量数组是w，商品价值数组是v，求能取得的最大价值

动态规划解法：

1. 构建二维数组：每一行代表一个物品，并添加全0的第一行，代表没有商品，因此实际是n+1行；每一列代表当前背包的容量，共c+1列（0,1，...，c）
2. 状态转移矩阵：原始形式是：

if w[i] > j:   #如果第i件物品太重，背包已放不下
    dp[i][j] = dp[i-1][j]
else:  #背包还放得下第i件物品
    dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])  #偷与不偷取价值最大值

因为我们人为添加了第一行代表没有物品，因此w和v数组的索引i需要相应的减一：

if w[i-1] > j:   #如果第i件物品太重，背包已放不下
    dp[i][j] = dp[i-1][j]
else:  #背包还放得下第i件物品
    dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1])  #偷与不偷取价值最大值

最终代码：

def bag(n,c,w,v):
	dp = [[0] * (c+1) for _ in range(n+1)]
	for i in range(1,n+1):
		for j in range(1,c+1):
			if w[i-1] > j:
				dp[i][j] = dp[i-1][j]
			else:
				dp[i][j] = max(dp[i-1][j],dp[i-1][j-w[i-1]]+v[i-1])
	return dp[-1][-1]

n=5
c=10
w=[2,2,6,5,4]
v=[6,3,5,4,6]

print(bag(n,c,w,v))

图示中n=5,c=20

时间复杂度O(n*c)，空间复杂度O（n*c）。其实计算第i行时，只需要保留第i-1行信息就可以啦，空间复杂度可优化到O(c)

递归的时间复杂度是O(2^N)与c无关，因此当c很大时，递归会比动态规划更好

参考视频：【经典算法】01背包问题

漫画：什么是动态规划？