动态规划经典：背包问题详解与实战应用

1. 背包问题概述

背包问题是动态规划领域最经典的问题类型之一，其核心思想可以概括为：在给定的容量限制下，从一组物品中选择最优的组合，以达到特定的目标（如最大化价值、最小化成本或计算可行方案数）。这类问题在实际应用中极为广泛，从资源分配到投资组合优化，都能看到它的身影。

1.1 背包问题的基本要素

每个背包问题都包含三个基本要素：

1. 物品集合：每个物品通常具有重量（或体积）和价值两个属性
2. 背包容量：对所选物品总重量的限制
3. 选择规则：决定物品能否被重复选择以及选择的方式

1.2 背包问题的分类

根据物品选择规则的不同，背包问题主要分为以下几种类型：

• 01背包：每个物品最多只能选择一次（选或不选）
• 完全背包：每个物品可以被无限次选择
• 多重背包：每个物品有固定的选择次数限制
• 多维背包：背包有多个维度的限制条件（如重量和体积）

2. 01背包问题详解

01背包是最基础的背包问题类型，也是理解其他变种的基础。其典型描述是：给定一组物品，每个物品有一定的重量和价值，在背包容量限制下，如何选择物品使得总价值最大，且每个物品只能选择一次。

2.1 基本解法

2.1.1 状态定义

我们使用二维数组dp[i][j]表示状态，其中：

• i表示考虑前i个物品
• j表示当前背包的容量
• dp[i][j]的值表示在前i个物品中选择，总重量不超过j时的最大价值

2.1.2 状态转移方程

对于每个物品，我们有两种选择：

1. 不选当前物品：dp[i][j] = dp[i-1][j]
2. 选择当前物品：dp[i][j] = dp[i-1][j-w[i]] + v[i]（前提是j ≥ w[i]）

因此，状态转移方程为：

code复制dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])

2..3 初始化

• dp[0][j] = 0：考虑0个物品时，无论背包容量多大，价值都为0
• dp[i][0] = 0：背包容量为0时，无法装入任何物品，价值为0

2.2 空间优化

观察状态转移方程可以发现，当前状态只依赖于上一行