0/1背包问题解析-优快云博客

0/1背包问题是一个经典的组合优化问题，它可以描述为在给定一组物品和一个背包容量的情况下，选择哪些物品放入背包，以使得放入的物品总价值最大，且总重量不超过背包容量。

具体来说，问题可以描述如下：

给定n个物品，每个物品有一个重量（weight）和一个价值（value）。
给定一个背包容量（capacity）。
每个物品只能选择放入或不放入背包，不能切割。
目标是找到一种放置方式，使得放入背包的物品总价值最大，且总重量不超过背包容量。

数学表示为：

$\text{maximize} \sum_{i=1}^{n} v_i x_i$

$\text{subject to} \sum_{i=1}^{n} w_i x_i \leq W$

$x_i \in \{0, 1\}$

其中：

$v_i$ 表示物品i的价值；
$w_i$ 表示物品i的重量；
$W$ 表示背包的容量；
$x_i$ 表示物品i是否放入背包，取值为0或1。

0/1背包问题属于NP完全问题，其解决方案涉及到动态规划等算法。动态规划方法通常使用一个二维数组来记录在每个阶段（每个物品的考虑阶段）的最优解，通过填表的方式逐步求解问题。这种方法的时间复杂度为O(nW)，其中n是物品数量，W是背包容量。

虽然0/1背包问题在最优子结构和重叠子问题方面具有动态规划问题的特点，但由于其状态空间较大，对于大规模问题，可能需要使用其他优化方法或近似算法。

参考题

Description

已知n个物体{1,2,3....n}与一个背包。物体i的重量为Wi > 0，价值为Pi > 0 (i=1,2,...n)，背包容量为M > 0。

求在不超过背包容量的情况下，使得装进去的物体的价值最高。

Input

第一行为一个正整数N，表示有几组测试数据。每组测试数据的第一行为两个整数n和M，0<n<=20, 0<M<100000. 再下去的n行每行有两个整数Wi和Pi, 0<Wi,Pi<10000.

Output

对于每组测试数据，输出一行，只含一个整数，表示装进去物体的价值最高值。

Sample Input

1
5 10
2 6
2 3
6 5
5 4
4 6

Sample Output

代码：

def knapsack(n, M, weights, values):
    dp = [[0] * (M + 1) for _ in range(n + 1)]

    for i in range(1, n + 1):
        for j in range(1, M + 1):
            if weights[i - 1] <= j:
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])
            else:
                dp[i][j] = dp[i - 1][j]

    return dp[n][M]

# 示例输入数据写死在程序里
test_cases = 1
data = [
    (5, 10, [(2, 6), (2, 3), (6, 5), (5, 4), (4, 6)])
]

for i in range(test_cases):
    n, M, items = data[i]
    weights, values = zip(*items)
    result = knapsack(n, M, weights, values)
    print(result)

结果：

关键解释：

在动态规划的解法中，dp[i][j] 表示在考虑前 i 个物品，且当前背包总容量为 j 的情况下，可以获得的最大价值。这里的 j 表示的是当前背包的总容量，而不是剩余容量。在考虑每个物品时，j 表示的是当前背包的总容量。

对于这个问题，我们是自底向上地填充一个二维数组 dp，其中 dp[i][j] 表示在考虑前 i 个物品，且当前背包总容量为 j 的情况下，可以获得的最大价值。在这个过程中，j 是逐渐变大的，表示我们逐步考虑越来越大的背包容量。

对于递推关系：

如果 weights[i - 1] <= j，表示当前物品 i 的重量不超过当前背包容量 j，那么我们可以选择装入物品 i 或不装入物品 i，取两者中价值的更大者。

1. dp[i - 1][j] 表示不装入物品 i，直接继承前 i-1 个物品时背包容量为 j 时的最大价值。

2. dp[i - 1][j - weights[i - 1]] + values[i - 1] 表示装入物品 i，当前总价值增加 values[i - 1]，也就是说找得到一个大于等于0的数 j - weights[i - 1]，因此dp[i - 1][j - weights[i - 1]]的值也是存在的。
如果 weights[i - 1] > j，表示当前物品 i 的重量超过了当前背包容量 j，那么我们不能装入物品 i，只能继承前 i-1 个物品时背包容量为 j 时的最大价值。

结论：

在整个过程中，我们填充了一个二维数组，最终 dp[n][M] 就是在考虑n个物品，且背包容量为 M 时的最大价值。