动态规划专题(01)：01背包与完全背包

2026.03.30

动态规划求解分为3个步骤：状态->阶段->决策， 最终得到新的状态。

1. 背包问题概念

        背包问题指在一个有容积或重量限制的背包中放入物品，物品有体积、重量、价值等属性，要求在满足背包限制的情况下放置物品，使背包中物品的价值之和最大。根据物品限制条件的不同，背包问题可分为01背包、完全背包、多重背包、分组背包和混合背包等。

混合背包是01背包、完全背包、多重背包、分组背包这4种基本背包问题的混合模型。混合背包通常包括其他4种基本背包问题中的一种或若干种情况。

四种基本背包问题的区别：

01背包   ：每种物品只有1个
完全背包：每种物品有无穷多个
分组背包：第i组有cᵢ个物品
多重背包：每种物品有cᵢ个

2. 01背包

        给定n种物品，每种物品都有重量wi​和价值vi​，每种物品只有一个，背包容量为W。求解在不超过背包容量的情况下，将哪些物品放入背包，使背包中的物品价值之和最大。每种物品只有一个，要么不放入（0），要么放入（1），因此称之为01背包。

01背包怎么求解？

（1）确定状态

        dp[i][j]表示前i种物品放入容量为j的背包中获得的最大价值。

（2）划分阶段

        第i阶段处理第i种物品，第i-1阶段处理第i-1种物品。当处理第i种物品时，前i-1种物品已处理完毕，只需考虑第i-1阶段向第i阶段的转移。

        就是说i-1阶段求解完毕，才可以处理第i阶段。也就是说在求解第i阶段的状态时前面的所有阶段的状态都已经处理完毕。

第i种物品放入背包有两种情况，要么放入，要么不放入。

• 分支1：不放入背包

        既然物品i不放入背包，那么问题转化为子问题“将前i−1种物品放入容量为j的背包中获得的最大价值”，最大价值为dp[i−1][j]​。

• 分支2：放入背包

        如果将物品i放入背包，容量j中肯定是要加上当前物品i的价值v[i]，加上物品i后容量只剩下j-w[i]，那么问题转化为子问题“将前i−1种物品放入容量为j−w[i]的背包中获得的最大价值dp[i−1][j−w[i]]​”，加上第i种物品的价值v[i]，即dp[i−1][j−w[i]] + v[i]​。

原问题转化为子问题：

1.原问题为dp[i][j]的状态，也就是第i阶段背包中放置物品的最大价值，

2.子问题为把i-1个物品放入背包中的最大价值，也就是状态dp[i-1][j-w[i]];

所以如果把物品i放入背包，那么背包中最大价值dp[i][j] = dp[i-1][j-w[i]] + v[i];

（3）决策选择

        若背包容量不足，则不能放入，价值仍为前i-1种物品处理后的结果；若背包容量充足，则考察放入、不放入哪种情况获得的价值更大。最终状态为价值更大者的值。

情况1：dp[i][j] = dp[i−1][j]， (容量约束：j<w[i])
情况2：dp[i][j] = max{dp[i−1][j], dp[i−1][j−w[i]]+v[i]}​, (容量约束：j≥w[i]​)

在情况2中为什么要比较放入i的价值大还是不放入i的价值大呢？

因为放入前状态不是dp[i−1][j]，而是dp[i−1][j−w[i]]，dp[i−1][j−w[i]]不一定比dp[i−1][j]大，也就是说dp[i−1][j−w[i]] + v[i] 也并不一定比dp[i−1][j]大，所以需要进行比较。

（4）边界条件

        dp[0][j]=0，i=0,j=0,…W（不放入物品，i=0背包中价值肯定是0）

        dp[i][0]=0，i=0,…n，j=0（背包容量是0，背包中不能放入任何物品，价值肯定是0）

（5）求解目标

       dp[n][W]

实例讲解1：求解背包最大价值

问题描述

有5个物品，背包的容量为10。求放入背包的最大价值。

物品重量与价值：

• 重量w[]（物品1~5）：2，5，4，2，3​​​

• 价值 v[]（物品1~5）：6，3，5，4，6

题意理解：

 状态转移方程：

情况1：dp[i][j] = dp[i−1][j],(j<w[i]时照抄上一行)

情况2：dp[i][j] = ​max{dp[i−1][j]​, dp[i−1][j−w[i]]+v[i]}​,(j≥w[i]​)

其中dp[i−1][j]​ (上一行同列)，dp[i−1][j−w[i]]+v[i]​ (上一行 j−w[i] 列到 +v[i])

（动态规划过程中每一步的计算结果，最终 dp[n][w] = [5][10]=17为最大价值）

算法分析：时间复杂度为 O(nW)，空间复杂度为 O(nW)。

代码示例：动态二维数组

/01dp_00_max_value_00.cc

// 有5个物品，背包的容量为10。求放入背包的最大价值。
// 物品重量与价值：
// 重量w[]（物品1~5）：2，5，4，2，3​​​
// 价值v[]（物品1~5）：6，3，5，4，6


// 求解背包最大价值
#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

// int vol背包容量, const vector<int> w物品体积或重量, const vector<int> v物品价值
int GetMaxValue(int vol, const vector<int> w, const vector<int> v)
{
    int n = w.size();
    vector<vector<int>> dp(n + 1, vector<int>(vol + 1, 0));
    // 第0列初始化,表示当容量为0时，不能放入任何物品，背包价值为0
    // 其实这里可以不要，因为上文已经初始化，这里只是为了表示注意初始化的意思
    for (int i = 0; i < n; ++i) {
        dp[i][0] = 0;
    }
    // 第0行初始化,表示当放入物品为0，背包价值为0
    // 其实这里可以不要，因为上文已经初始化，这里只是为了表示注意初始化的意思
    for (int j = 0; j < n; ++j) {
        dp[0][j] = 0;
    }
    // 动态规划
    for (int i = 1; i <= n; ++i) {