01背包(递归)

本文详细介绍了背包问题的概念、解决策略,并提供了一个求解背包问题的代码实例。通过使用动态规划方法,该代码有效地解决了给定物品价值和重量限制下的最大价值问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include <iostream>
#include <cstdio>
using namespace std;
const int maxn = 1000;
int v[maxn];
int w[maxn];
int n = 0, W1= 0;
int cou = 0;

int m(int i, int j) {
    cou++;
    printf("m(%d, %d)\n", i, j);
    if (i == n){
        return 0;
    }
    if (w[i] > j) {
        return m(i+1, j);
    }
    return max(m(i+1, j-w[i])+v[i], m(i+1, j));
}

int main() {
    while (scanf("%d%d", &n, &W1)==2) {
        for (int i = 0; i < n; i++) {
            scanf("%d", &v[i]);
        }
        for (int i = 0; i < n; i++) {
            scanf("%d", &w[i]);
        }
        int maxval = m(0, W1);
        printf("%d\n", maxval);
        printf("cou = %d\n", cou);
    }
    return 0;
}


### 0-1 背包问题的递归实现 对于0-1背包问题,递归方法是一种直观且易于理解的方式。该方法通过尝试所有可能的选择组合来找到最优解。 #### 基本思想 考虑一个具有 \( n \) 个物品和容量为 \( W \)背包的情况。每个物品有一个重量 \( w_i \) 和价值 \( v_i \),目标是在不超过背包容量的前提下最大化所选物品的总价值。递归的核心在于决策树的概念——针对每一个物品有两种选择:要么放入背包,要么不放[^1]。 当决定是否将第 \( i \) 项加入到当前解决方案中时: - 如果选择了该项,则剩余可用的空间减少至 \( W-w_i \),并且获得额外的价值 \( v_i \); - 若未选择该项,则保持原来的容量不变; 最终返回这两种情况下的较大者作为子问题的结果。 #### 数学表达式 设 `K(i, C)` 表示前 `i` 个项目,在容量为 `C` 下可以获得的最大值,则可以写出如下状态转移方程: \[ K(i,C)=\max(K(i−1,C),v_{i}+K(i−1,C−w_{i})) \] 这里需要注意的是如果 \( C<w_i \),那么显然不能取这个项目,此时应该只考虑前面已经处理过的那些项目的最佳方案\( K(i-1,W)\)[^1]。 #### Python代码实例 下面是一个简单的Python程序实现了上述逻辑: ```python def knapsack_recursive(weights, values, capacity, index=0): # Base case: no more items or no remaining weight capacity. if index >= len(weights) or capacity <= 0: return 0 # If the current item's weight is less than or equal to the available capacity, # we have two options: include it or not. We choose whichever gives us a higher value. with_current_item = ( values[index] + knapsack_recursive(weights, values, capacity - weights[index], index + 1) if weights[index] <= capacity else float('-inf') ) without_current_item = knapsack_recursive(weights, values, capacity, index + 1) # Return maximum of both choices. return max(with_current_item, without_current_item) # Example usage: weights = [2, 3, 4, 5] values = [3, 4, 5, 6] capacity = 7 print(f"The maximum possible value that can be carried in the bag is {knapsack_recursive(weights, values, capacity)}") ``` 此段代码展示了如何使用递归来解决问题,并计算出在给定条件下所能携带的最大价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值