01背包问题是一个经典的动态规划问题,它的基本形式是:有一个背包,它的容量为C(Capacity)。现在有n个物品,每个物品的重量为w[i],价值为v[i]。问你如何选择装入背包的物品,使得装入背包中的物品的总价值最大?
其中,每个物品只有一个,要么装入背包,要么不装,因此称为01背包问题。
以下是C++实现01背包问题的代码:
#include <iostream>
#include <algorithm>
#include <cstring>
using namespace std;
const int N = 1010;
int n, m;
int w[N], v[N];
int f[N][N];
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i++)
cin >> w[i] >> v[i];
for(int i = 1;i <= n;i++)
for(int j = 0;j <= m;j++)
{
f[i][j] = f[i-1][j]; //不选当前物品
if(j >= w[i]) //剩余空间大于当前物品的大小
f[i][j] = max(f[i][j], f[i-1][j-w[i]]+v[i]); //选当前物品
}
cout<<f[n][m]<<endl;
return 0;
}
在该代码中,我们使用f[i][j]表示选前i个物品,体积为j时的最大价值,其中i=1,2,3,...,n,j=0,1,2,...,m。
由于每个物品只能选一次,因此我们可以将问题划分为两种情况:选或不选当前物品。
如果不选当前物品,则最大价值就是前i-1个物品中,体积为j的最大价值f[i-1][j]。
如果选当前物品,则最大价值就是前i-1个物品中,体积为j-w[i]的最大价值加上当前物品的价值v[i],即f[i-1][j-w[i]]+v[i]。
综上所述,我们可以得到状态转移方程:
f[i][j] = max(f[i-1][j], f[i-1][j-w[i]]+v[i]);
最后,我们输出f[n][m]即可得到最大价值。
注:该代码时间复杂度为O(nm),可以通过优化空间复杂度将其优化为O(m)。
现在我们就来优化一下
老规矩,先给代码
#include<iostream>
#include<algorithm>
using namespace std;
const int N=1010;
int n,m;
int v[N],w[N];
int f[N];
int main()
{
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=n;i++)
{
for(int j=m;j>=v[i];j--)
{
f[j]=max(f[j],f[j-v[i]]+w[i]);
}
}
cout<<f[m]<<endl;
return 0;
}
区别:j从m开始
从大到小开始,因为我们在用到第i行的时候,实际上我们用的是第i-1行,这就说明所有我们不需要保存所有的数据,只需要上一层的数据。可以理解dp[][]仍为2维,但是第一维长度为1.只有一层。保存上一层。
逆序是为了保存更新本层时,使用的是上一层的原始数据。
所以我们可以在体积最大的时候枚举,以保证取得最大值