我正在参加「掘金·启航计划」 ## 前言动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。 ## 问题描述 01背包问题是一个经典的算法问题，简单来说就是一个包要装许多水果，水果有体积和大小两个属性，怎么把包装满价值最大（最值钱）。专业描述问题：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]，求将那些物品怎么装进背包使价值总和最大。 **注意：物品只能取一次或者不取，不能多次获取** ![在这里插入图片描述](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/22e5871765804796bc0a877b12b8428c~tplv-k3u1fbpfcp-zoom-1.image) ## 原理 ```javascript f(i,c) = math.Max( f(i-1,c),(f(i-1,c-w[i]) + v[i])) //取最大值 ``` 枚举第i个物品，选还是不选 * 选：容量减少了w\[i] * 不选：剩余容量不变然后需要考虑在剩余容量为c的情况下，从前i个物品中能得到的最大价值和。 * 不选：在剩余容量为c时，从前i-1个物品中获得最大价值和 * 选：在剩余容量为c-w\[i]的时候，从前i-1个物品中获取最大价值和最终取两者的最大值 ## 案例背包的最大容量为6，其他物品信息如下： | | 体积 | 价值 | | --- | -- | -- | | 葡萄 | 2 | 3 | | 矿泉水 | 3 | 5 | | 西瓜 | 4 | 6 | 根据背包容量从0-6以及物品，初始化表格。 ![在这里插入图片描述](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5cd68bfcd0d0476fa1b919959d431342~tplv-k3u1fbpfcp-zoom-1.image) 表格中的单元格代表的是什么意思呢？以图中为例：第2行第4列的单元格表示背包容量最大为3的情况下，对**前2类**物品进行选择，使得背包的价值为最大值。第i行第j列的单元格表示背包容量最大为j的情况下，对前i类物品进行选择，能使得背包的价值为最大值。每个单元格都是当前条件下的最优解，**表格的右下角的单元格就是最优解**。 ![在这里插入图片描述](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/e00c3cd886f147048b8066e077399a2b~tplv-k3u1fbpfcp-zoom-1.image) 第0行在任何容量体积下，没有任何物品，所以都为0，即前0个物品装进背包的价值都为0 。对于第0列来说，因为背包容量为0，所以任何物品都不能装进背包，所以价值都为0，即第0列数据都为0。虽然是第0行第0列，但是都是在各自限制条件下的最优解。 * 分析第一行第一列的单元格在背包容量最大为1的条件下，对前一种物品取舍选择后获得的最大价值。在考虑单元格的时候需要进行判断：新纳入考量的物品是否超过背包的总容量。第一行第一列这里新纳入的物品为葡萄，葡萄的体积（2）大于背包体积（1），所以放不进去。我们已经计算出不考虑葡萄时候，最大价值为0 ，此时我们的最优解继承自其上方单元格也就是（0，1）的值 * 分析第一行第二列的单元格在背包容量最大为2的条件下，对前一种物品取舍选择后获得的最大价值。此时物体体积等于背包体积，此时不能继承上方单元格的值，也就是不能继承（0，2）的数据。此时需要比较两种数据的大小： * 不考虑新纳入物品（也就是说不考虑此时葡萄获得的最优解），这个最优解为上方单元格的最优解（第0个物品在背包体积为2的情况的最优解：0） * 背包容量为2的情况下，对前一种物品取舍选择后获得的最大价值，此时刚好可以放进背包，那么问题就变成了背包容量为0的情况下对前一种物品取舍选择后获得的最大价值 + 当前物品的价值（此时为葡萄🍇）。变成了背包容量为0的情况是通过当前背包容量(2) - 此时物品容量(2) = 0。 * 然后比较两者大小，取最大值 * 分析其他单元格与上面类似，最终得到右下方单元格的值（最优解）最终计算完得到以下结果 ![在这里插入图片描述](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/4d3f3594f3604cddbab3d1384b28ad6c~tplv-k3u1fbpfcp-zoom-1.image) ```javascript ```