0-1背包问题（动态规划）

最新推荐文章于 2026-04-13 08:30:00 发布

原创最新推荐文章于 2026-04-13 08:30:00 发布 · 1.6k 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

剑指offer

本文详细介绍了如何使用动态规划解决0-1背包问题，包括明确dp数组的含义、确定递推公式、初始化dp数组、遍历操作及打印结果。通过一个具体的例子，解释了动态规划在背包问题中的应用，最后给出了Python代码实现，包括一维数组的滚动优化版本。

0-1背包是典型的动态规划问题，同时也是秋招笔试和面试常考问题，所以必须解决，其他公众号或者博客都写到，解决动态规划问题，要遵循以下步骤进行考虑：
1、明确dp数组的下标含义
2、确定递推公式
3、dp数组初始化
4、遍历序列
5、打印dp数组
我们可以先假设一个例子：
背包的最大重量为 4
物品为：
| |重量 | 价值
|物品0| 1 | 15
|物品1| 3 | 20
|物品2| 4 | 30
第一步，明确dp数组的下标含义，使用二维数组dp[i][j], 即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。一定要明确dp数组的下标含义，要不以后会越来越蒙圈，建议可以画一个如下的表格
在这里插入图片描述

第二步确定递推公式
可以有两个⽅向推出来dp[i][j]，明确任务这个物品放不放到背包之中
（1）如果物品不满足条件既物品不放到背包中。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]
（2）物品要放到背包中，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

所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])

第三步：dp数组初始化
1、如果背包的重量为0，则任何物品都放不到背包中
在这里插入图片描述
2、由递推公式可知，dp[i][j] 都是由dp[i-1]推导而来，所以需要明确dp[i-1]的值，既需要先定义表格中第一行的数据，也就是物品0放入背包中的value.

python代码如下：

dp = [[0] * (bagweight+1) for i in range(len(weight))]
for j in range(weight[0],bagweight+1, 1):
    dp[0][j] = value[0]

第四步，遍历顺序
由dp数组肯定双循环，可以先遍历物品，然后遍历背包，也可以先遍历背包，然后物品。我是按照先遍历物品，然后背包的顺序：

for i in range(1, len(weight)):
    for j in range(bagweight+1):
        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])

第五步打印dp数组
可以按照上一步的递推顺序，把数据依次填入上面的表格中，加深理解
在这里插入图片描述
python完整代码如下：

#物品重量和价值
weight = [1, 3, 4]
value = [15, 20, 30]
#背包重量
bagweight = 4 
#初始DP数组
dp = [[0] * (bagweight+1) for i in range(len(weight))]
for j in range(weight[0],bagweight+1, 1):
    dp[0][j] = value[0]
    
#开始循环
for i in range(1, len(weight)):
    for j in range(bagweight+1):
        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])
 #打印结果
print(dp[len(weight) - 1][bagweight])

Python补充代码，使用一维数组（滚动数组）：

weight = [1, 3, 4]
value = [15, 20, 30]
bagweight = 4
#初始DP数组
dp = [0 for i in range(bagweight+1)]
#开始循环（注意下面这俩for循环不能颠倒，不信自己试试看）
for i in range(len(weight)):
    for j in range(bagweight, weight[i] -1, -1):
         dp[j] = max(dp[j], dp[j-weight[i]] + value[i])
print(dp[bagweight])