01背包
定义：在\(M\)件物品取出若干件放在空间为\(V\)的背包里，每件物品的体积为\(V_1\)，\(V_2\)至\(V_n\)，与之相对应的价值为\(W_1\)，\(W_2\)至\(W_n\)。
01背包的约束条件是给定几种物品，每种物品有且只有一个，并且有权值和体积两个属性。
在01背包问题中，因为每种物品只有一个，对于每个物品只需要考虑选与不选两种情况。
（故称为01背包。）
解决这个问题我们需要从前一个状态递推到下一个状态，最终递推到我们想要的状态。
01背包题目的雏形是：
有\(N\)件物品和一个容量为\(V\)的背包。第\(i\)件物品的体积是\(c[i]\)，价值是\(w[i]\)。求解将哪些物品装入背包可使价值总和最大。
这个问题核心的矛盾有两处：1.背包的容量，2.所装物品的价值。
所以，我们不妨假设背包内物品的价值为$ F(I,C)$ 。（$ I \(是对应的物品序号，\)C$是它的体积）
阶段：前 \(I\) 件物品中，已经选取若干件物品放在背包中
状态：前 $ I $ 件物品，选取若干件物品放入所剩空间为W的背包中的所能获得的最大价值
决策：第 $ I $ 件物品放或者不放
由此，其状态转移方程为：
\(f[i][v] = max({f[i-1][v],f[i-1][v-c[i]]+w[i]})\)
理解：对于第 \(i\) 件物品，要么不放背包：\(f[i-1][v]\)；要么就放入背包：\(f[i-1][v-c[i]]+w[i]\)。
（放入背包，就是 \(-c[i]\) 的体积，然后价值 \(+w[i]\) 。）
代码如下：
void DP(int v,int m)//m个物品，背包体积为v
{
f[0][0]=0;
for(int i=1;i<=m;++i)
for(int j=0;j<=v;++j)
{
f[i][j]=f[i-1][j];
if(j>=c[i])
f[i][j]=max(f[i][j],f[i-1][j-c[i]]+w[i]);
}
}
优化：滚动素组
滚动数组是一种能够在动态规划中降低空间复杂度的方法。
有时某些二维dp方程可以直接降阶到一维，在某些题目中甚至可以降低时间复杂度，是一种极为巧妙的思想。
简要来说，就是通过观察dp方程来判断需要使用哪些数据，可以抛弃哪些数据。
一旦找到关系，就可以用新的数据不断覆盖旧的数据量来减少空间的使用。
从而实现“滚动”。
例：
#include <bits/stdc++.h>
using namespace std;
int main()
{
int n,a[4]; scanf("%d",&n);//a[0]不用
a[1]=1; a[2]=1;
for(int i=1;i<=n;++i)
{
a[3] = a[1] + a[2];
printf("%d ",a[1]);
a[1] = a[2];
a[2] = a[3];
}
return 0;
}
//输入n,得到前n项斐波那契数列。
让$ a_1 $ ， $ a_2 $不断的更新迭代，从而完成斐波那契数列的计算。
在01背包中，问题核心的矛盾有两处：1.背包的容量，2.所装物品的价值。
那么对于物品的序号\(i\)，便是一个可以抛弃的数据。
我们让$ f[i]\(的数据，覆盖在\)f[i-1]$上。
（就是表格法只用一层表格。）
这时我们的\(F\)函数只有一个参数\(C\)。
也就是说我们在每次遍历时，背包里面刚开始存的是上一个状态的，核心代码变成了这样：
for(i=1;i<=m;++i)//枚举个数
for(j=c[i];j<=n;++j)//枚举容量
f[j] = max(f[j],f[j-c[i]] + w[i]);
像之前那样的思考：
如果$ j < c[i] $ 之前是 \(f[i][j] = f[i-1][j]\)，
这里就不考虑 \(f[j]\) ,所以 \(f[j]\) 将保存上一次的状态，等价于上述的式子。
如果\(j \geq c[i]\),之前是 \(f[i][j] = max(f[i-1][j],f[i-1][j-c[i]] + w[i])\)
现在是 \(f[j] = max(f[j],f[j - c[i]] + w[i])\)
两者都是在考虑\(i-1\)个物品时容量为\(j\)的最大价值，和上一状态要把这个物品放进去这两个状态之间
得到的最大价值。
既然都是等价的，理论上我们应该可以直接套用这个新的板子。
但是，
其实依然存在一些问题，等价但不完全等价，关键点在于循环顺序。
试着考虑这样的一个问题，我们考虑 \(j\) 状态和 \(2j\) 状态：
\(j\) 状态的所面临的问题：
f[j] = max(f[j],f[j-c[i]] + w[i]);
\(2j\) 状态所面临的问题：
f[2j] = max(f[2j],f[2j-c[i]] + w[i]);
当 \(j=c[i]\) 时我们可以看到：
f[j] = max(f[j],f[0] + w[i]);
f[2j] = max(f[2j],f[j] + w[i]);
//j=c[i];
//j-c[i]=0;
//2j-c[i]=j;
对于同一个物品\(c[i]\)，在循环到\(j=c[i]\)和\(2j\)时都要考虑放与不放的问题，
所以我们可能在$ f[j]\(时已经把这个物品放进去了，但是在\)f[2j]$时我们又放了一次，
这就违背了题目中每个物品只有一件的题意。
问题出在哪里？
理论上难道不是等价的吗?
其实我们可以发现\(f[2j] = max(f[2j],f[j] + w[i])\)
这里的\(f[j]\)如果已经被更新过，那么它保存的就是这个状态，而不是上一个状态
真正的优化：
所以我们重新考虑循环的顺序，我们采用倒序循环，也就是
void DP(int v,int m)//m个物品，背包体积为v
{
for(int i=1;i<=m;++i)
for(int j=v;j>=c[i];--j)
f[j]=max(f[j],f[j-c[i]]+w[i]);
}
这样我们就可以保证\(max\)中比较的状态都是上一个状态。
标签：01,滚动,int,max,背包,物品,件物品,2j 来源： https://www.cnblogs.com/cyl-oi-miracle/p/16468091.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。