题目描述
有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤1000
0<vi,wi≤1000
样例
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
算法1
(初步动态规划)
最开始的动态规划想法 就是二维数组
dp[i][j]记录 在选择i个物品下 j背包容积下的最大价值
状态转移方程式
C++ 代码
#include <iostream>
#include <algorithm>
using namespace std;
const int N= 1010;
int n,m;
int dp[N][N];
int v[N];
int w[N];
int main()
{
cin >> n >> m;
for(int i = 1;i <= n;i++){
cin >> v[i] >> w[i];
}
for(int i = 1;i<=n;i++){
for(int j = 1;j<=m;j++){
dp[i][j] = dp[i-1][j];
if(j >= v[i])
dp[i][j] = max(dp[i-1][j] , dp[i-1][j-v[i]]+w[i]);
}
}
cout << dp[n][m];
return 0;
}
根据acwing up主的视频和网络上的《背包九讲》 空间存储上还可在优化
算法2
(进阶动态规划)
我们可以将二维DP降为一维DP
这个可以看做在i的循环情况下 我们每次计算j(容量)的可装的最大价值
那么初次进入i+1 的循环时候,我们需要利用i轮次的结果来计算i+1的结果
dp[i+1][j]在0 1 情况下只有两种可能 在上一轮的结果下 选择放入当前物品 或者不放入当前物品
1 不放入当前物品的话
那么 dp[i+1][j] = dp[i][j]; //利用上一轮的结果
2 放入当前物品的话
那么 dp[i+1][j] = dp[i][j-v[i]]+w[i]; //利用上一轮的结果
由于我们始终只需要最新的i+1层的结果 那么实际上可以使用一维数组dp[j]来记录每层的结果,
当从i层进入i+1层后,dp[i+1][j]的结果 实际可以使用dp[i][j]存储,其实就是 dp[j] = dp[j];j++(或者j–);
由于计算机语言的特性,在执行dp[j] = dp[j]的时候 我们必须保证等号右边的dp[j]是没被改动过的,这就要保证j是降序
因为dp[j]= max(dp[j],dp[j-v[i]]); dp[j]的赋值对低于j的[j-v[i]]有依赖,必须降序排列,才能保证赋值的时候等号右边的dp[j]是没被改动过的
C++ 代码
#include <iostream>
#include <algorithm>
using namespace std;
const int N= 1010;
int n,m;
int dp[N];
int v[N];
int w[N];
int main()
{
cin >> n >> m;
for(int i = 1;i <= n;i++){
cin >> v[i] >> w[i];
}
for(int i = 1;i<=n;i++){
for(int j = m;j>= v[i];j--){
dp[j] = max(dp[j] , dp[j-v[i]]+w[i]);
}
}
cout << dp[m];
return 0;
}
挺好的,我可以看看
看看 视频吧 。 这就是闫老师说的 状态转移方程的依赖的不同区别。
01背包和完全背包的区别 也就是这两行代码
“由于计算机语言的特性,在执行dp[j] = dp[j]的时候 我们必须保证等号右边的dp[j]是没被改动过的,这就要保证j是降序 ”
这句话不能理解,能举个例子嘛?
二维状态降维到一纬状态后,i j的遍历次序从前往后和从后往前代表着状态依赖的变化。
也就是一维的dp[j-v[i]]代表的是dp[i][j-v[i]]还是dp[i-1][j-v[i]] 是由for循环的顺序决定的 (这也是本身语言的一个特性)
建议仔细看看老师的视频 大有帮助!!