问题:
给一个能承重V的背包,和n件不同物品(每个物品只有一件),我们用重量和价值的二元组来表示一个物品,第i件物品表示为(Vi,Wi),问:在背包不超重的情况下,得到物品的最大价值是多少?
最近做了不少题,不像以前那样水博客了2333,总结一下,运用动态规划解决此类问题,首先确定递推状态 f ( i , j ) = k;其中 k 表示为 i 件物品,剩余承重为 j 的情况下能装的最大价值,则影响 K 值的有两个因变量分别为 i, j ;所以我们创建二维数组 a[ i ][ j ]来表示在 i 件物品剩余承重为 j 时背包能装的最大价值。
在确定了状态以后我们开始确定状态转移方程:很显然向背包内放物品 i 时会有两种可能的情况,第一种为超重,既物品重量 vi > 当前背包剩余重量 j ,背包无法放入物品,此时背包价值与 i - 1 一致,不发生变化,另一种为 vi <= j,在此状态下我们可以选择在 i - 1的基础上放入当前物品或者不放入当前物品,有很多情况下我们放入物品 i 并不能求出最大价值,此时需要对放或者不放两种情况的背包价值进行比较,取价值高的一者,既 max( a[ i - 1 ][ j ] , a[ i - 1 ][ j - vi] + wi ) ;当选择放入物品时需对剩余承重和当前背包的价值进行更新。
代码:
#include<iostream>
#include<string.h>
using namespace std;
int main()
{
int v,n;
int vi[105],wi[105];
int a[105][10005];
cin>>v>>n;
for(int i = 0; i < n; i++){
cin>>vi[i]>>wi[i];
}
memset(a,0,sizeof(a));
for(int i = 1; i <= n; i++){
for(int j = 1; j <= v; j++){
if(vi[i-1] > j){
a[i][j] = a[i-1][j];
}else{
a[i][j] = max(a[i-1][j],a[i-1][j-vi[i-1]]+wi[i-1]);
}
}
}
cout<<a[n][v]<<endl;
return 0;
}
在此基础上我们可以进行一下优化,减少空间的开销,二维数组的开销是巨大的,我们可以采用滚动数组的方式对 a 数组进行处理
#include<iostream>
#include<string.h>
using namespace std;
int main()
{
int v,n;
int vi[105],wi[105];
int a[3][10005];
cin>>v>>n;
for(int i = 0; i < n; i++){
cin>>vi[i]>>wi[i];
}
memset(a,0,sizeof(a));
for(int i = 1; i <= n; i++){
for(int j = 1; j <= v; j++){
if(vi[i-1] > j){
a[i%3][j] = a[(i-1)%3][j];
}else{
a[i%3][j] = max(a[(i-1)%3[j],a[(i-1)%3][j-vi[i-1]]+wi[i-1]);
}
}
}
cout<<a[n%3][v]<<endl;
return 0;
}
继续对其进行优化,我们能发现 a[ i ][ j ]的值是由 a[ i-1 ][ j ] 或 a[ i-1 ][ j - vi ] + wi 决定的,而 i - 1实际上是上一次循环算出的数值,我们可以将a压缩为一维数组 a[ j ] (j代表剩余承重量),由于第 i 个物品需要用到第 i - 1个物品时的状态值,循环应从后向前推进,避免之前的值在未被利用前就被改变(既当进入一层循环时由末尾最后一位开始,前面的都是上一个 i 循环产生的值)
#include<iostream>
#include<string.h>
using namespace std;
int main()
{
int v,n;
int vi[105],wi[105];
int a[10005];
cin>>v>>n;
for(int i = 0; i < n; i++){
cin>>vi[i]>>wi[i];
}
memset(a,0,sizeof(a));
for(int i = 1; i <= n; i++){
for(int j = v; j >= 1; j--){
if(vi[i-1] <= j){
a[j] = max(a[j],a[j-vi[i-1]]+wi[i-1]);
}
}
}
cout<<a[v]<<endl;
return 0;
}
可达到线性时间。