算法设计 - 01背包问题

我不是女神ヾ 2023-09-23 18:38 64阅读 0赞

### 学习来源 ###

[【自制】01背包问题算法动画讲解\_哔哩哔哩\_bilibili][01_bilibili]

### 问题描述 ###

有N件物品，第i件物品的重量是w\[i\]，价值是p\[i\]。

有一个背包，背包的承重是W。

求解：将哪些物品装入背包可获得最大价值。

### 实例说明 ###

有如下物品，给定每件物品的重量和价值：

有一个背包，承重是6。

请求出背包放入物品的最大价值。

### 01背包解题思路 ###

01背包是基于动态规划解题的。

即将对承重6的背包的装载最大价值问题的求解，分解为对更小承重的背包的装载最大价值问题的求解。当分解到背包承重只有0时，就可以轻易得到背包装载最大价值为0。

同时，我们还需对物品的选择进行分解，将对多种物品的选择，分解更少种物品的选择，直到选择物品为0时，无论什么背包的装载最大价值都是0。

因此，我们可以得到一个二维矩阵图如下：

![c4cc329097bb4a22aa211c5267e103e2.png][]

其中：

*  第0列表示背包承重为0，此时装不了任何物品，因此此背包的装载最大价值都为0。
 *  第0行表示背包不选择任何物品放入，因此无论什么背包，装载价值都为0。

![ab5b51f7565549239bd09d33bc99b372.png][]

我们可以用dp二维数组来表示，行用i变量表示，列用j变量表示，因此：

*  dp\[i\]\[0\] = 0
 *  dp\[0\]\[j\] = 0

而dp\[i\]\[j\]表示的含义是：背包承重为 j 的时候，选择物品范围 0~i 时，可以产生的最大价值。

下面我们讨论：背包承重为1时，只选0~1范围的物品，所能产生的最大价值，即求解dp\[1\]\[1\]，如下图标黄处所示

![e54001bb461240cdbda59816be8e4992.png][]

此时，我们有两种选择：

*  不选择第1行物品（即葡萄），只选择前面的物品，此时相当于 dp\[1\]\[1\] = dp\[0\]\[1\]
 *  选择第1行物品（即葡萄），但是由于葡萄重量为2 > 背包承重1，因此选不了，因此还是相当于 dp\[1\]\[1\] = dp\[0\]\[1\]

最终dp\[1\]\[1\] = dp\[0\]\[1\]，

此时似乎还看不出状态转移方程，我们继续往后推导

![cdd909ce92c444a49ecc892027f0d118.png][]

接下来，我们扩大背包承重，即背包承重为2，此时依旧两种选择：

*  不选择第1行物品（即葡萄），只选择前面的物品，此时相当于 dp\[1\]\[2\] = dp\[0\]\[2\]
 *  选择第1行物品（即葡萄），但是由于葡萄重量为2 = 背包承重2，因此可以选。接下来就是关键点了，背包装了葡萄后，还剩下0承重，那么0承重可以装什么呢？请看下面绿色标记

![60039268450e4759a75fa6ba9fce8b4a.png][]

我们发现，背包承重0时，不选葡萄的话（因为葡萄已经装入背包了，现在在讨论剩余承重的最大价值） 的最大价值是0。

因此，选了背包承重2，选了葡萄后能产生的最大价值为 3 + dp\[0\]\[0\] = 3 + 0 = 3

而前面背包承重2，不选葡萄后能产生的最大价值继承自dp\[0\]\[2\] = 0，

因此我们肯定选择装入葡萄，产生最大价值3。

![8dc4091597e84d7290eadacee9661b40.png][]

之后同理：背包承重3

如果不装葡萄，则最大价值继承自dp\[0\]\[3\] = 0，

如果装入葡萄的话，葡萄产生价值3，剩余背包承重1，不选葡萄，能产生的最大价值为dp\[0\]\[1\] = 0，因此装入葡萄的最大价值为3+0 = 3，

对比来看，背包承重3，装入葡萄产生的价值最大为3。

之后同理退出：背包承重4，5，6是否装入葡萄的最大价值

![ceae6dea40bd46be9bcbcbb266e5aa89.png][]

下面继续扩大物品的选择，将矿泉水纳入选择范围，然后继续从背包承重1开始讨论：

背包承重1：

如果不选择矿泉水，那么产生的最大价值，继承自dp\[1\]\[1\] = 0

如果选择矿泉水，则因为承重不够，装不了，因此也继承dp\[1\]\[1\] = 0

![a5f2acaaadd14b7d97f8db6c7769c1e2.png][]

背包承重2：

如果不选择矿泉水，那么产生最大价值，继承自dp\[1\]\[2\] = 3

如果选择矿泉水，则因为承重不够，装不了，因此也继承dp\[1\]\[2\] = 3

![35d0add8907c4098aecf9171a1a9c62f.png][]

背包承重3：

如果不选择矿泉水，那么产生最大价值，继承自dp\[1\]\[3\] = 3

如果选择矿泉水，则承重刚好，矿泉水价值5纳入，剩余承重0，选择不含矿泉水的物品的最大价值为dp\[1\]\[0\] = 0，因此最后价值为 5 + 0 = 5

对比来看，选择矿泉水的最大价值更大。

背包承重4同理。

![f38643d080494873b6d2a94d46929ca6.png][]

我们来看看背包承重5：

如果不选择矿泉水，那么最大价值继承自dp\[1\]\[5\] = 3

如果选择矿泉水，那么纳入矿泉水价值5，还剩余2承重，而2承重，不选矿泉水对应的最大价值为dp\[1\]\[2\] = 3，因此总价值为8

对比来看，选择矿泉水的价值最大

![924d5d15c2534c6199945fbd4664faef.png][]

按此规则可以推导处后面所有dp

![c141d2c57d814e3a976ef02b84fba5b8.png][]

### 状态转移方程 ###

首先 dp\[i\]\[j\] 表示：承重为 j 的背包，选择 0~i 范围的物品装入的最大价值。

其中 dp\[i\]\[0\] = 0，dp\[0\]\[j\] = 0

如果 i !== 0 && j !== 0，则

dp\[i\]\[j\] = Math.max(dp\[i-1\]\[j\], p\[i\] + dp\[i-1\]\[j - w\[i\]\] )

状态转移方程中

*  dp\[i-1\]\[j\] 表示 不选择物品 i 能产生的最大价值
 *  p\[i\] + dp\[i-1\]\[j - w\[i\]\] 表示 选择物品 i 后纳入了物品 i 的价值p\[i\]，剩余承重为 j - w\[i\]，其中w\[i\]是物品 i 的重量，而由于我们已经选择了物品 i ，因此剩余承重 j - w\[i\] 只能选择0~i-1范围物品，对应的最大价值为 dp\[i-1\]\[j - w\[i\]\]

当然有一个优化动作就是：

如果背包承重放不下物品 i ，则该承重背包，只能从 0~i-1范围内选择商品，即直接继承dp\[i-1\]\[j\]。

因此完整的状态转移方程为：

dp[i][0] = 0，
    dp[0][j] = 0，
    if(w[i] <= W) {
    	dp[i][j] = Math.max(dp[i-1][j],   p[i] + dp[i-1][j - w[i]] )
    } else {
    	dp[i][j] = dp[i-1][j]
    }

[01_bilibili]: https://www.bilibili.com/video/BV1pY4y1J7na/?spm_id_from=333.337.search-card.all.click&vd_source=b5105a99a0628dd906e154263279c518
[c4cc329097bb4a22aa211c5267e103e2.png]: https://img-blog.csdnimg.cn/c4cc329097bb4a22aa211c5267e103e2.png
[ab5b51f7565549239bd09d33bc99b372.png]: https://img-blog.csdnimg.cn/ab5b51f7565549239bd09d33bc99b372.png
[e54001bb461240cdbda59816be8e4992.png]: https://img-blog.csdnimg.cn/e54001bb461240cdbda59816be8e4992.png
[cdd909ce92c444a49ecc892027f0d118.png]: https://img-blog.csdnimg.cn/cdd909ce92c444a49ecc892027f0d118.png
[60039268450e4759a75fa6ba9fce8b4a.png]: https://img-blog.csdnimg.cn/60039268450e4759a75fa6ba9fce8b4a.png
[8dc4091597e84d7290eadacee9661b40.png]: https://img-blog.csdnimg.cn/8dc4091597e84d7290eadacee9661b40.png
[ceae6dea40bd46be9bcbcbb266e5aa89.png]: https://img-blog.csdnimg.cn/ceae6dea40bd46be9bcbcbb266e5aa89.png
[a5f2acaaadd14b7d97f8db6c7769c1e2.png]: https://img-blog.csdnimg.cn/a5f2acaaadd14b7d97f8db6c7769c1e2.png
[35d0add8907c4098aecf9171a1a9c62f.png]: https://img-blog.csdnimg.cn/35d0add8907c4098aecf9171a1a9c62f.png
[f38643d080494873b6d2a94d46929ca6.png]: https://img-blog.csdnimg.cn/f38643d080494873b6d2a94d46929ca6.png
[924d5d15c2534c6199945fbd4664faef.png]: https://img-blog.csdnimg.cn/924d5d15c2534c6199945fbd4664faef.png
[c141d2c57d814e3a976ef02b84fba5b8.png]: https://img-blog.csdnimg.cn/c141d2c57d814e3a976ef02b84fba5b8.png