01背包问题
有N件物品和一个容量为V的背包。第i件物品的体积是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
基本思路
这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。用子问题定义状态:即f[i][v]表示前i件物品
恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是:
f[i][v] = max{f[i-1][v],f[i-1][v-c[i]]+w[i]}。
这个方程非常重要,基本上所有跟背包问题相关的问题的方程都是由它衍生出来的。所以有必要将它详细解释一
下:将前i件物品放入容量为v的背包中这个子问题,若只考虑第i件物品的策略(放或不放),那么就可以转化为一个只
涉及前i-1件物品的问题。如果不放第i件物品,那么问题就转化为前i-1件物品放入容量为v的背包中,价值为f[i-1][v];
如果放第i件物品,那么问题就转化为前i-1件物品放入剩下的容量为v-c[i]的背包中,此时能获得的最大价值就是:
f[i-1][v-c[i]]+w[i]。
优化空间复杂度
以上方法的时间复杂度和空间复杂度都是O(VN),其中时间复杂度应该已经不能再优化了,但空间复杂度却可以优化
到O(N)。先考虑上面讲的基本思路如何实现,肯定是一个主循环i = 1...N,每次算出f[i][0...V]的所有值。那么,如果只
用一个数组f[0...V]呢?f[i][v]由f[i-1][v]和f[i-1][v-c[i]]两个子问题递推而来,能否保证在推f[i][v]时(也就是在第i次循环中推
f[v]时)能够得到f[i-1][v]和f[i-1][v-c[i]]的值呢?事实上,这要求在每次主循环中我们以v=V...0的顺序推f[v],这样才能保
证推f[v]时f[v-c[i]]保存的是状态f[i-1][v-c[i]]的值。伪代码如下:
如果v的顺序改成上面的逆序的话,即v=0...V的话,那么就成了f[i][v]由f[i][v-c[i]]推出来,与本题意不符。
实例
讲完了理论,就来看看实际的例子了。下面这个例子是杭电ACM上的原题:Bone Collector。下面是我的AC代码:
#include<iostream>
using namespace std;
int main()
{
int T;
cin >> T;
while (T--)
{
int N, V;
int value[1001], volume[1001];
cin >> N >> V;
for (int i = 0; i < N; i++)
{
cin >> value[i];
}
for (int i = 0; i < N; i++)
{
cin >> volume[i];
}
int f[1001] = {0};
for (int i = 0; i < N; i++)
{
for (int v = V; v >= volume[i]; v--)
{
f[v] = max (f[v], f[v-volume[i]]+value[i]);
}
}
cout << f[V] << endl;
}
return 0;
}
上面这题只要单纯的套用给出的递推公式就可以了,下面这题就需要我们稍加改变了:Robberies。我的AC代码:
#include<iostream>
using namespace std;
double max (double a, double b)
{
return a > b ? a : b;
}
int main()
{
int T;
cin >> T;
while (T--)
{
double cp;
double p[10001]; // 按题目意思银行家数N < 100,但是数组开到1001都没过,应该是后台检测数据和题目给出大小不同
int a[10001];
double f[10001];
int n;
cin >> cp >> n;
int m = 0;
for (int i = 0; i < n; i++)
{
cin >> a[i] >> p[i];
m += a[i];
}
memset(f,0,sizeof(f));
f[0] = 1;
for (int i = 0; i < n; i++)
{
for (int j = m; j >= a[i]; j--)
{
f[j] = max(f[j], f[j - a[i]] * (1 - p[i]));
}
}
int i;
for (i = m; i >= 0; i--)
{
if (f[i] >= 1 - cp)
break;
}
cout << i << endl;
}
return 0;
}