大前端算法篇之背包问题

简述：背包问题是动态规划算法中的一个经典问题，分为01背包和完全背包，01背包就是不能放入同一件物品，完全背包是可以放入同一个物品

下面将要讲的是01背包问题

动态规划中最重要的是先分析思路，然后总结出规律，最后得出一个公式

案例：假设有一个背包，可以放入单位重量5的物品，然后我们有三个物品

物品编号/属性	物品1	物品2	物品3
单位重量	1	3	4
价值	2	4	5

如果在不超过背包最大承受重量的情况下如何放入物品，能够使得背包内物品的价值最大化。

对于这种问题，我们可以先填一个表格，我们用r（row）表示行，c（col）表示列，w[r]表示第r个物品的重量，c就是背包的容量，v[r][c]表示前r个物品可以放入当前背包重量c的最大价值，singleV(r) 代表第r个物品的价值

背包容积（单位重量）/物品编号	0	1	2	3	4	5
没有物品	0	0	0	0	0	0
物品1	0	2	2	2	2	2
物品2	0	2	2	4	6	6
物品3	0	2	2	4	6	7

对表格的解读：

1. v[r][0]  = 0 ;v[0][c] = 0;表示在背包容量为0，或者没有物品时可能放入的最大价值就是0
2. 如果当前要放入的物品大于背包的容量，那就直接取上一次背包的最大价值，也就是 w[r] > c 那么 v[r][c] = v[r-1][c]
3. 如果当前要放入的物品小于等于背包的容量，那就取 当前放入的价值加上剩余空间可以放入的最大价值 和 不放入当前物品时的价值 两者之间取最大值，也就是 w[r] <= c  那么 v[r][c] = max(v[r-1][c], singleV(r) + v[r-1][c-w[r])

我们可以随便拿表格中的最右下角那个值来验证一下，根据我们上面的推断：

此时 r = 3, w[r] = 4 , c = 5 符号第3点规则 ,v[3][5] = max(v[3-1][5], singleV(3) + v[3-1][5-4]) = max(6,5 + 2) = 7 整合就是表格中的值

接下来用代码写一下这个算法

// 背包问题算法

function knapsackProblem() {
    let itemWeights = [1, 3, 4] // 物品的重量
    let itemValus = [2, 4, 5] // 物品的价值

    let weight = 5 // 背包的容积
    let nums = itemWeights.length // 物品的个数

    // 代表放入最大价值的二维数组
    let v = Array.from({ length: nums + 1 }).map(item => Array.from({ length: weight + 1 }))

    // 打印输出一下上面的表格
    for (let r = 0; r < v.length; r++) {
        for (let c = 0; c < v[0].length; c++) {
            v[r][c] = 0
        }
    }
    // console.log(v)
    // 这时输出的全是0 ，因为我们没有判断是否可以放入物品
    /**
     * [
        [ 0, 0, 0, 0, 0, 0 ],
        [ 0, 0, 0, 0, 0, 0 ],
        [ 0, 0, 0, 0, 0, 0 ],
        [ 0, 0, 0, 0, 0, 0 ]
        ]
     */

    // 接下来根据我们上面的规则放入物品，因为第一行和第一列全是0，所以我们行和列从1开始
    for (let r = 1; r < v.length; r++) {
        for (let c = 1; c < v[0].length; c++) {
            if (itemWeights[r - 1] > c) {
                v[r][c] = v[r - 1][c]
            } else {
                v[r][c] = Math.max(v[r - 1][c], itemValus[r - 1] + v[r - 1][c - itemWeights[r - 1]])
            }
        }
    }
    console.log(v)
    /**
     * 这里我们就得到了上面的表格，这里我们可以看出7就是能够放入的最大价值，
     * 但此时我们还不知道里面放入了那些物品，所以我们还得记录放入的物品
     * [
        [ 0, 0, 0, 0, 0, 0 ],
        [ 0, 2, 2, 2, 2, 2 ],
        [ 0, 2, 2, 4, 6, 6 ],
        [ 0, 2, 2, 4, 6, 7 ] 
        ]
     */

    // 用来记录
    let records = Array.from({ length: nums + 1 }).map(item => Array.from({ length: weight + 1 }))

    for (let r = 1; r < v.length; r++) {
        for (let c = 1; c < v[0].length; c++) {
            if (itemWeights[r - 1] > c) {
                v[r][c] = v[r - 1][c]
            } else {
                // v[r][c] = Math.max(v[r - 1][c], itemValus[r - 1] + v[r - 1][c - itemWeights[r - 1]])
                if (v[r - 1][c] < itemValus[r - 1] + v[r - 1][c - itemWeights[r - 1]]) {
                    v[r][c] = itemValus[r - 1] + v[r - 1][c - itemWeights[r - 1]]
                    // 只在此记录，因为这里是已经把当前物品放入了
                    records[r][c] = true
                } else {
                    v[r][c] = v[r - 1][c]
                }
            }
        }
    }

    // for (let i = 0; i < records.length; i++) {
    //     for (let j = 0; j < records[0].length; j++) {
    //         if (records[i][j]) {
    //             console.log(`第${i}个物品放入背包`)
    //         }
    //     }
    // }
    /**
     * 通过上面的打印我们还是不知道具体是哪些物品放入了背包，
     * 我们可以从后往前遍历
     * 第1个物品放入背包
        第1个物品放入背包
        第1个物品放入背包
        第1个物品放入背包
        第1个物品放入背包
        第2个物品放入背包
        第2个物品放入背包
        第2个物品放入背包
        第3个物品放入背包
     */

    let i = records.length - 1
    let j = records[0].length - 1
    while (i > 0) {
        if (records[i][j]) {
            console.log(`第${i}个物品放入背包`)
            j -= itemWeights[i - 1]
        }
        i--
    }
    /**
     * 这里我们就知道哪些物品放入背包了
     * 第3个物品放入背包
        第1个物品放入背包
     */
}

knapsackProblem()