0/1背包问题
背包问题(Knapsack Problem)是一类经典的动态规划问题，是一种组合优化的NP完全(NP-Complete, NPC)问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价值，在限定的总重量内，如何选择，才能使得物品的总价值最高。NPC问题是没有多项式时间复杂度的解法的，但利用动态规划，可以在伪多项式时间复杂度下求解背包问题。本文讨论的是背包问题中的最基本的0/1背包问题。
问题描述
一共有N件物品，第i件物品的重量是w[i],价值是v[i]。在总重量不超过背包承载上限W的情况下，能够装入背包的最大价值是多少？
分析
如果采用暴力法，对于每件物品都有两种状态取或不取，时间复杂度为O(2^N)，这是不可接受的。如果采用动态规划，则可以将复杂度降为O(N·W)。
我们的目标是背包内物品的总价值，而变量是物品和背包的当前重量，因此我们可以设状态dp：dp[i][j]表示考虑前i件物品且背包当前重量为j时的背包物品总价值。
那么，对于dp[0][0...W]初始化为0，表明考虑前0个物品后，背包物品总价值为0。当i>0时，dp[i][j]会有两种情况：
- 不装入第i件物品，则
dp[i][j] = dp[i-1][j]。 - 装入第i件物品，则
dp[i][j] = dp[i-1][j - w[i]] + v[i]。
此时，我们可以得到状态转移方程(j>=w[i])：dp[i][j] = max(dp[i-1][j], dp[i-1][j - w[i]] + v[i])。
我们发现，dp[i][j]只和dp[i-1][0...j-1]有关，所以我们可以采用动态规划常用的方法“滚动数组”对空间进行优化，即去掉dp的第一维。需要注意的是，为了防止上一层循环的状态dp被覆盖，循环的时候 j 只能从尾部开始枚举。于是有了如下代码：
int dp[W] = {0};
for(int i = 1;i<=N;i++){
for(int j = W-1;j>=w[i]-1;j--){
dp[j] = max(dp[j], dp[j−w[i]]+v[i]);
}
}
总结
利用动态规划解决0/1背包问题，时间复杂度为O(N·W), 空间复杂度为O(W)。由于W的值是W的位数的幂，所以这个时间复杂度是伪多项式时间。
动态规划的核心思想避免重复计算在01背包问题中体现得淋漓尽致。第i件物品装入或者不装入而获得的最大价值完全可以由前面i-1件物品的最大价值决定，暴力枚举忽略了这个事实。
标签：件物品,复杂度,问题,背包,物品,dp 来源： https://www.cnblogs.com/BlankYang/p/15856191.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。