01背包问题（通俗易懂，超基础讲解）

叁歲伎倆 2021-11-11 10:10 316阅读 0赞

## 问题描述 ##

**有n个物品，它们有各自的体积和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？**

为方便讲解和理解，下面讲述的例子均先用具体的数字代入，即：eg：number＝4，capacity＝8

## 总体思路 ##

根据动态规划解题步骤（问题抽象化、建立模型、寻找约束条件、判断是否满足最优性原理、找大问题与小问题的递推关系式、填表、寻找解组成）找出01背包问题的最优解以及解组成，然后编写代码实现。

### 动态规划的原理 ###

动态规划与分治法类似，都是把大问题拆分成小问题，通过寻找大问题与小问题的递推关系，解决一个个小问题，最终达到解决原问题的效果。但不同的是，分治法在子问题和子子问题等上被重复计算了很多次，而动态规划则具有记忆性，**通过填写表把所有已经解决的子问题答案纪录下来，在新问题里需要用到的子问题可以直接提取，避免了重复计算，从而节约了时间，所以在问题满足最优性原理之后，用动态规划解决问题的核心就在于填表，表填写完毕，最优解也就找到。**

最优性原理是动态规划的基础，最优性原理是指“多阶段决策过程的最优决策序列具有这样的性质：**不论初始状态和初始决策如何，对于前面决策所造成的某一状态而言，其后各阶段的决策序列必须构成最优策略**”。

### 背包问题的解决过程 ###

在解决问题之前，为描述方便，首先定义一些变量：**Vi表示第 i 个物品的价值，Wi表示第 i 个物品的体积，定义V(i,j)：当前背包容量 j，前 i 个物品最佳组合对应的价值，**同时背包问题抽象化（X1，X2，…，Xn，其中 Xi 取0或1，表示第 i 个物品选或不选）。

1、建立模型，即求max(V1X1+V2X2+…+VnXn)；

2、寻找约束条件，W1X1+W2X2+…+WnXn<capacity；

3、**寻找递推关系式**，面对当前商品有两种可能性：

*  **包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)；**
 *  **还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝。**

其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)，但价值增加了v(i)；

由此可以得出递推关系式：

*  j<w(i)      V(i,j)=V(i-1,j)
 *  j>=w(i)     V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝

这里需要解释一下，为什么能装的情况下，需要这样求解（这才是本问题的关键所在！）：

**可以这么理解，如果要到达V(i,j)这一个状态有几种方式？**

**肯定是两种，第一种是第i件商品没有装进去，第二种是第i件商品装进去了。**没有装进去很好理解，就是V(i-1,j)；装进去了怎么理解呢？如果装进去第i件商品，那么装入之前是什么状态，肯定是V(i-1,j-w(i))。由于最优性原理（上文讲到），V(i-1,j-w(i))就是前面决策造成的一种状态，后面的决策就要构成最优策略。两种情况进行比较，得出最优。

4、填表，首先初始化边界条件，V(0,j)=V(i,0)=0；

![70][]

然后一行一行的填表：

*  如，i=1，j=1，w(1)=2，v(1)=3，有j<w(1)，故V(1,1)=V(1-1,1)=0；
 *  又如i=1，j=2，w(1)=2，v(1)=3，有j=w(1),故V(1,2)=max｛ V(1-1,2)，V(1-1,2-w(1))+v(1) ｝=max｛0，0+3｝=3；
 *  如此下去，填到最后一个，i=4，j=8，w(4)=5，v(4)=6，有j>w(4)，故V(4,8)=max｛ V(4-1,8)，V(4-1,8-w(4))+v(4) ｝=max｛9，4+6｝=10……

所以填完表如下图：

![70 1][]

5、表格填完，最优解即是V(number,capacity)=V(4,8)=10。

## 代码实现 ##

为了和之前的动态规划图可以进行对比，尽管只有4个商品，但是我们创建的数组元素由5个。

#include<iostream> 
       using namespace std; 
       #include <algorithm> 
       
       int main() 
       { 
       int w[ 5] = { 0 , 2 , 3 , 4 , 5 }; //商品的体积2、3、4、5 
       int v[ 5] = { 0 , 3 , 4 , 5 , 6 }; //商品的价值3、4、5、6 
       int bagV = 8; //背包大小 
       int dp[ 5][ 9] = { { 0 } }; //动态规划表 
       
       for ( int i = 1; i <= 4; i++) { 
       for ( int j = 1; j <= bagV; j++) { 
       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]); 
       } 
       } 
       
       //动态规划表的输出 
       for ( int i = 0; i < 5; i++) { 
       for ( int j = 0; j < 9; j++) { 
       cout << dp[i][j] << ' '; 
       } 
       cout << endl; 
       } 
       
       return 0; 
       }

## 背包问题最优解回溯 ##

通过上面的方法可以求出背包问题的最优解，但还不知道这个最优解由哪些商品组成，故要根据最优解回溯找出解的组成，根据填表的原理可以有如下的寻解方式：

*  **V(i,j)=V(i-1,j)时，说明没有选择第i 个商品，则回到V(i-1,j)；**
 *  **V(i,j)=V(i-1,j-w(i))+v(i)时，说明装了第i个商品，该商品是最优解组成的一部分，随后我们得回到装该商品之前，即回到V(i-1,j-w(i))；**
 *  **一直遍历到i＝0结束为止，所有解的组成都会找到。**

就拿上面的例子来说吧：

*  最优解为V(4,8)=10，而V(4,8)!=V(3,8)却有V(4,8)=V(3,8-w(4))+v(4)=V(3,3)+6=4+6=10，所以第4件商品被选中，并且回到V(3,8-w(4))=V(3,3)；
 *  有V(3,3)=V(2,3)=4，所以第3件商品没被选择，回到V(2,3)；
 *  而V(2,3)!=V(1,3)却有V(2,3)=V(1,3-w(2))+v(2)=V(1,0)+4=0+4=4，所以第2件商品被选中，并且回到V(1,3-w(2))=V(1,0)；
 *  有V(1,0)=V(0,0)=0，所以第1件商品没被选择。

![70 2][]

## 代码实现 ##

背包问题最终版详细代码实现如下：

#include<iostream> 
       using namespace std; 
       #include <algorithm> 
       
       int w[ 5] = { 0 , 2 , 3 , 4 , 5 }; //商品的体积2、3、4、5 
       int v[ 5] = { 0 , 3 , 4 , 5 , 6 }; //商品的价值3、4、5、6 
       int bagV = 8; //背包大小 
       int dp[ 5][ 9] = { { 0 } }; //动态规划表 
       int item[ 5]; //最优解情况 
       
       void findMax() { //动态规划 
       for ( int i = 1; i <= 4; i++) { 
       for ( int j = 1; j <= bagV; j++) { 
       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]); 
       } 
       } 
       } 
       
       void findWhat(int i, int j) { //最优解情况 
       if (i >= 0) { 
       if (dp[i][j] == dp[i - 1][j]) { 
       item[i] = 0; 
       findWhat(i - 1, j); 
       } 
       else if (j - w[i] >= 0 && dp[i][j] == dp[i - 1][j - w[i]] + v[i]) { 
       item[i] = 1; 
       findWhat(i - 1, j - w[i]); 
       } 
       } 
       } 
       
       void print() { 
       for ( int i = 0; i < 5; i++) { //动态规划表输出 
       for ( int j = 0; j < 9; j++) { 
       cout << dp[i][j] << ' '; 
       } 
       cout << endl; 
       } 
       cout << endl; 
       
       for ( int i = 0; i < 5; i++) //最优解输出 
       cout << item[i] << ' '; 
       cout << endl; 
       } 
       
       int main() 
       { 
       findMax(); 
       findWhat( 4, 8); 
       print(); 
       
       return 0; 
       }

[70]: /images/20211109/a9edd5710e2c4270b30d9b665c051309.png
[70 1]: /images/20211109/9df602f893b44229aa4da95aa48f0dce.png
[70 2]: /images/20211109/0bbbaa664f224b38b0215b131bcb8e34.png