01 背包

 N件物品和一个容量为V的背包。第i件物品的费用是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。


所谓01背包,表示每一个物品只有一个,要么装入,要么不装入。


两种方法实现:一个一维的,一个二维的


#include<stdio.h>
#define MAX 20

int a[10][20];

void OOP(int m,int n,int *w,int *p)
{
	for(int i=1;i<=n;i++)
	{
		for(int j=1;j<=m;j++)
		{
			if(w[i]<=j)
			{
				a[i][j]=a[i-1][j]>a[i-1][j-w[i]]+p[i] ? a[i-1][j]:a[i-1][j-w[i]]+p[i];
			}else
			{
				a[i][j]=a[i-1][j];
			}
		}
	}

	for(int k=1;k<=n;k++)
	{
		for(int l=1;l<=m;l++)
		{
			printf("%d\t",a[k][l]);
		}
		printf("\n");
	}

	printf("最大值:%d\n",a[n][m]);
}

void main()
{
	int m,n;    //背包容积  物品数量
	scanf("%d%d",&m,&n);
	int w[MAX];
	int p[MAX];
	for(int i=1;i<=n;i++)
	{
		scanf("%d%d",&w[i],&p[i]);
	}
	OOP(m,n,w,p);
}



#include<stdio.h>
#include<string.h>
#define  MAX 20
/*
	数组是一维的
*/
void ZOP(int m,int n,int*w,int*p)
{
	int f[MAX];
	memset(f,0,sizeof(f));
	for(int i=1;i<=n;i++)
	{
		for(int j=m;j>=w[i];j--)
		{
			f[j]=f[j]>f[j-w[i]]+p[i]?f[j]:f[j-w[i]]+p[i];
		}
		for(int k=0;k<=m;k++)
		{
			printf("%d\t",f[k]);
		}
		printf("\n");
	}
	for(int k=0;k<=m;k++)
	{
		printf("%d\t",f[k]);
	}
	printf("\n");
}

void main()
{
	int m,n;    //背包容积  物品数量
	scanf("%d%d",&m,&n);
	int w[MAX];
	int p[MAX];
	for(int i=1;i<=n;i++)
	{
		scanf("%d%d",&w[i],&p[i]);
	}
	ZOP(m,n,w,p);
}



### 01背包问题的算法实现 01背包问题是一种经典的组合优化问题,目标是在不超过背包容量的前提下,选择若干物品放入背包,使得放入背包中的物品总价值最大。以下是基于动态规划思想的01背包问题的算法实现。 #### 动态规划的核心思想 动态规划通过构建一个二维数组 `dp[i][j]` 来表示前 `i` 个物品在背包容量为 `j` 时的最大价值[^1]。状态转移方程如下: - 如果不选择第 `i` 个物品,则 `dp[i][j] = dp[i-1][j]`。 - 如果选择第 `i` 个物品,则 `dp[i][j] = dp[i-1][j-w[i]] + v[i]`,前提是 `j >= w[i]`。 最终的状态转移方程为: ```python dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]) if j >= w[i] else dp[i-1][j] ``` #### 算法实现 以下是使用 Python 实现的 01 背包问题代码: ```python def knapsack_01(capacity, weights, values): n = len(values) # 初始化 dp 数组 dp = [[0 for _ in range(capacity + 1)] for _ in range(n + 1)] # 填充 dp 表 for i in range(1, n + 1): for j in range(1, capacity + 1): if weights[i-1] <= j: dp[i][j] = max(dp[i-1][j], dp[i-1][j-weights[i-1]] + values[i-1]) else: dp[i][j] = dp[i-1][j] # 返回最大价值 return dp[n][capacity] # 示例输入 weights = [2, 3, 4, 5] # 物品重量 values = [3, 4, 5, 6] # 物品价值 capacity = 5 # 背包容量 # 调用函数 max_value = knapsack_01(capacity, weights, values) print(f"最大价值为: {max_value}") ``` #### 优化空间复杂度 上述实现的空间复杂度为 O(nC),其中 `n` 是物品数量,`C` 是背包容量。可以通过将二维数组优化为一维数组来降低空间复杂度。优化后的代码如下: ```python def knapsack_01_optimized(capacity, weights, values): n = len(values) dp = [0] * (capacity + 1) for i in range(n): for j in range(capacity, weights[i]-1, -1): # 逆序更新 dp[j] = max(dp[j], dp[j-weights[i]] + values[i]) return dp[capacity] # 示例输入 weights = [2, 3, 4, 5] # 物品重量 values = [3, 4, 5, 6] # 物品价值 capacity = 5 # 背包容量 # 调用函数 max_value = knapsack_01_optimized(capacity, weights, values) print(f"最大价值为: {max_value}") ``` #### 解释 在一维数组中,外层循环遍历每个物品,内层循环从后向前遍历背包容量。这种逆
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