12.经典动态规划：0-1背包问题

经典0-1背包问题

0-1背包问题

• 给你一个可装载重量为W的背包和N个物品，每个物品有重量和价值两个属性，其中第i个物品的重量为wt[i]，价值为val[i]，现在你用这个背包装物品，问最多能装的价值是多少

思路分析

这个题目中的物品不可以分割，要么装进包里，要么不装，不能说切成两块装一半。这也许就是 0-1 背包这个名词的来历。

动态规划标准套路

一步要明确两点，「状态」和「选择」。

先说状态，如何才能描述一个问题局面？只要给定几个可选物品和一个背包的容量限制，就形成了一个背包问题，对不对？所以状态有两个，就是「背包的容量」和「可选择的物品」。

再说选择，也很容易想到啊，对于每件物品，你能选择什么？选择就是「装进背包」或者「不装进背包」嘛。

明白了状态和选择，动态规划问题基本上就解决了，只要往这个框架套就完事儿了：

	for 状态1 in 状态1的所有取值：  
		for 状态2 in 状态2的所有取值：        
			for ...           
				dp[状态1][状态2][...] = 择优(选择1，选择2...)

二步要明确dp数组的定义。

dp数组是什么？其实就是描述问题局面的一个数组。换句话说，我们刚才明确问题有什么「状态」，现在需要用dp数组把状态表示出来。

首先看看刚才找到的「状态」，有两个，也就是说我们需要一个二维dp数组，一维表示可选择的物品，一维表示背包的容量。

dp[i][w]的定义如下：对于前i个物品，当前背包的容量为w，这种情况下可以装的最大价值是dp[i][w]。

比如说，如果 dp[3][5] = 6，其含义为：对于给定的一系列物品中，若只对前 3 个物品进行选择，当背包容量为 5 时，最多可以装下的价值为 6。

根据这个定义，我们想求的最终答案就是****dp[N][W]。base case 就是dp[0][..] = dp[..][0] = 0，因为没有物品或者背包没有空间的时候，能装的最大价值就是 0。

细化上面的框架：

	int dp[N+1][W+1]  
	dp[0][..] = 0  
	dp[..][0] = 0  

	for i in [1..N]:  
	 for w in [1..W]:  
	 dp[i][w] = max(  
	 把物品 i 装进背包,  
	 不把物品 i 装进背包  
	 )  
	return dp[N][W]

三步，根据「选择」，思考状态转移的逻辑。

简单说就是，上面伪码中「把物品i装进背包」和「不把物品i装进背包」怎么用代码体现出来呢？

这一步要结合对*dp数组的定义和我们的算法逻辑来分析：

先重申一下刚才我们的dp数组的定义：

dp[i][w]表示：对于前i个物品，当前背包的容量为w时，这种情况下可以装下的最大价值是dp[i][w]。

如果你没有把这第i个物品装入背包，那么很显然，最大价值dp[i][w]应该等于dp[i-1][w]。你不装嘛，那就继承之前的结果。

如果你把这第i个物品装入了背包，那么dp[i][w]应该等于dp[i-1][w-wt[i-1]] + val[i-1]。

首先，由于i是从 1 开始的，所以对val和wt的取值是i-1。

而dp[i-1][w-wt[i-1]]也很好理解：你如果想装第i个物品，你怎么计算这时候的最大价值？换句话说，在装第****i个物品的前提下，背包能装的最大价值是多少？

显然，你应该寻求剩余重量w-wt[i-1]限制下能装的最大价值，加上第i个物品的价值val[i-1]，这就是装第i个物品的前提下，背包可以装的最大价值。

综上就是两种选择，我们都已经分析完毕，也就是写出来了状态转移方程，可以进一步细化代码：

for i in [1..N]:  
 for w in [1..W]:  
 dp[i][w] = max(  
			 dp[i-1][w],  
			 dp[i-1][w - wt[i-1]] + val[i-1]  
 )  
return dp[N][W]

最后一步，把伪码翻译成代码，处理一些边界情况。

我用 C++ 写的代码，把上面的思路完全翻译了一遍，并且处理了w - wt[i-1]可能小于 0 导致数组索引越界的问题：

int knapsack(int W, int N, vector<int>& wt, vector<int>& val) {  
 // vector 全填入 0，base case 已初始化  
 vector<vector<int>> dp(N + 1, vector<int>(W + 1, 0));  
 for (int i = 1; i <= N; i++) {  
	 for (int w = 1; w <= W; w++) {  
		 if (w - wt[i-1] < 0) {  
		 // 当前背包容量装不下，只能选择不装入背包  
		 dp[i][w] = dp[i - 1][w];  
		 } else {  
		 // 装入或者不装入背包，择优  
		 dp[i][w] = max(dp[i - 1][w - wt[i-1]] + val[i-1],   
						 dp[i - 1][w]);  
		 }  
	 }  
 }  
  
 return dp[N][W];  
}