From 51980ea66372a49453b49f0cf6db9c85b579ad74 Mon Sep 17 00:00:00 2001
From: Sainnhe Park <i@sainnhe.dev>
Date: Wed, 8 Feb 2023 17:41:11 +0800
Subject: [PATCH] Add knapsack

---
 notes/src/SUMMARY.md  |  1 +
 notes/src/knapsack.md | 81 +++++++++++++++++++++++++++++++++++++++++++
 2 files changed, 82 insertions(+)
 create mode 100644 notes/src/knapsack.md

diff --git a/notes/src/SUMMARY.md b/notes/src/SUMMARY.md
index 239ee94..73776a3 100644
--- a/notes/src/SUMMARY.md
+++ b/notes/src/SUMMARY.md
@@ -55,6 +55,7 @@
 
 - [总结](./dynamic-programming.md)
 - [基础问题](./dynamic-programming-basic.md)
+- [背包问题](./knapsack.md)
 
 # STL
 
diff --git a/notes/src/knapsack.md b/notes/src/knapsack.md
new file mode 100644
index 0000000..b748d49
--- /dev/null
+++ b/notes/src/knapsack.md
@@ -0,0 +1,81 @@
+# 背包问题
+
+有 `n` 件物品和一个最多能背重量为 `w` 的背包。第 `i` 件物品的重量是 `weight[i]`，得到的价值是 `value[i]`。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。其中 `weight[i]` 和 `value[i]` 都是整数。
+
+- `dp[i][j]` 表示从下标为 `[0 - i]` 的物品里任意取，放进容量为 `j` 的背包，价值总和最大是多少。
+- 递推公式为 `dp[i][j] = max{dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]}`
+  - 不放物品 `i`：由 `dp[i - 1][j]` 推出，即背包容量为 `j`，里面不放物品 `i` 的最大价值，此时 `dp[i][j]` 就是 `dp[i - 1][j]`。
+  - 放物品 `i`：由 `dp[i - 1][j - weight[i]]` 推出，`dp[i - 1][j - weight[i]]` 为背包容量为 `j - weight[i]` 的时候不放物品 `i` 的最大价值，那么 `dp[i - 1][j - weight[i]] + value[i]`（物品 `i` 的价值），就是背包放物品 `i` 得到的最大价值。
+- 初始化
+  - `dp[i][0] = 0`
+  - `dp[0][j]` 当 `j < weight[0]` 时应该为 `0`，否则为 `value[0]`
+- 从前往后遍历
+
+```cpp
+void bag_problem_2d() {
+  vector<int> weight = {1, 3, 4};
+  vector<int> value = {15, 20, 30};
+  int w = 4;
+
+  // 二维数组
+  vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
+
+  // 初始化
+  for (int j = weight[0]; j <= w; j++) {
+    dp[0][j] = value[0];
+  }
+
+  // weight数组的大小 就是物品个数
+  for (int i = 1; i < weight.size(); i++) {  // 遍历物品
+    for (int j = 0; j <= bagweight; j++) {   // 遍历背包容量
+      if (j < weight[i])
+        dp[i][j] = dp[i - 1][j];
+      else
+        dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
+    }
+  }
+}
+```
+
+接下来优化我们的代码。
+
+注意到递推公式的右侧只用到了 `dp[i - 1]`，我们可以把它看成是 `dp[i]` 上一步的状态，因此每一次迭代的时候我们完全可以将 `dp[i - 1]` 覆盖到 `dp[i]`，这样可以将二维数组压缩到一维。
+
+递推公式可以修改成：`dp[j] = max{dp[j], dp[j - weight[i]] + value[i]}`
+
+这就是滚动数组的思路，使用条件是上一层可以重复利用，直接拷贝到当前层。从递推公式来看，只要递推公式满足了右侧只用了 `dp[i - 1]` 那么就可以压缩。
+
+来分析 DP 的思路：
+
+- `dp[j]` 表示容量为 `j` 的背包所能背的物品的最大价值。
+- 递推公式为 `dp[j] = max{dp[j], dp[j - weight[i]] + value[i]}`
+- 初始化 `dp[j] = 0`
+- 这次应该从后往前遍历。每次我们访问 `dp[j - weight[i]] + value[i]` 的时候都把物品 `i` 放进去了一次。为了避免重复放进去，应该从后往前遍历。
+
+```cpp
+void bag_problem_1d() {
+  vector<int> weight = {1, 3, 4};
+  vector<int> value = {15, 20, 30};
+  int w = 4;
+
+  // 初始化
+  vector<int> dp(w + 1, 0);
+  for (int i = 0; i < weight.size(); i++) {         // 遍历物品
+    for (int j = bagWeight; j >= weight[i]; j--) {  // 遍历背包容量
+      dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
+    }
+  }
+}
+```
+
+**Q: 能不能先遍历容量，再遍历物品？**
+
+**A:** 不行，因为我们本来就是要用上一层的 `i - 1` 来覆盖这一层的 `i`。
+
+**Q: 为啥二维不用从后往前呢？**
+
+**A:** 因为 `dp[i][j]` 都是通过上一层即 `dp[i - 1][j]` 计算而来，本层的 `dp[i][j]` 并不会被覆盖。
+
+**Q: 一维从后往前的本质是什么？**
+
+**A:** 如果从后往前的话，`dp[j - weight[i]] + value[i]` 就用的是上一层的数据（这才是我们想要的），但如果从前往后的话，`dp[j - weight[i]] + value[i]` 就用的是这一层的数据，这将会导致物品被重复放进去。