算法基础课—动态规划(一)背包问题
背包问题概述
多重背包问题——每个物品有有限个,si
分组背包问题——每一组只能选一个
01背包问题
题目
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
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
动态规划的关键
1、状态表示f(i,j)——需要几枚(有可能是i,或者i、j,或者i、j、t)来表示这个状态,如这里的条件是体积和包含前i个物品,于是我们可以把这两个作为状态中的i,j。而f(i,j)的值表达的则是他的属性,即这里的最大价值
集合——f(i,j)表示的是什么状态,i和j是什么,需要几个参数
属性——存的数集合的属性——如最大价值,最小代价等等
2、状态计算——如何进行状态转移
集合划分,如何把当前f(i,j)这个集合划分成更小的集合表示
第一种不含第i件物品,所以此时f(i,j) = f(i - 1, j)
第二种包含第i件物品,所以此时f(i,j)= f(i - 1,j - vi)+ wi 由于当前选法都包含第i件物品,所以我们可以去掉第i件物品,此时的他们的最大最小的排序也不会发生变化,所以找的就是在在不超过第i-1件物品内,体积不超过j-vi的最大值
最后的f(i,j)其实是他们两种情况取一个max
朴素做法
#include <iostream>
using namespace std;
const int N = 1010;
int n,m;
int f[N][N], v[N], w[N];
int main(){
int i, j;
cin>>n>>m;
for(i = 1; i <= n; i ++){
cin>>v[i]>>w[i];
}
for(i = 1; i <= n; i ++){
for(j = 0; j <= m; j ++){
f[i][j] = f[i - 1][j];
if(j >= v[i])
f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
}
}
cout<<f[n][m]<<endl;
}
优化方法——滚动数组
关键:化成一维数组
优化可以发现在计算f(i,j)时,只用到了f(i-1,j)和f(i-1,j -vi)时的状态,而那时的j都是比较小的,所以可以把f化成一维数组来算
滚动数组,由于之后的每一次都只与上一次的有关系,且上一次的记录不需要保存,于是我们可以直接使用一维数组,每次使用然后覆盖即可
这里j用倒序是因为,如果说j是从v[i]开始的,则后续使用j-vi时,会变成使用的是第i次的,而需要的是第i-1次的,于是我们可以将j倒序进行循环
//优化做法
#include <iostream>
using namespace std;
const int N = 1010;
int n,m;
int f[N], v[N], w[N];
int main(){
int i, j;
cin>>n>>m;
for(i = 1; i <= n; i ++){
cin>>v[i]>>w[i];
}
for(i = 1; i <= n; i ++){
for(j = m; j >= v[i]; j --){
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
cout<&l