0-1背包问题（动态规划）

小忆控～

于 2024-05-21 12:27:54 发布

阅读量1.2k

点赞数 31

文章标签：动态规划算法数据结构 c++

本文链接：https://blog.csdn.net/2301_79582459/article/details/139088573

版权

问题描述：有n个物品和一个容量为C的背包。每个物品i都有重量s[i]和价值v[i]，其中1 ≤ i ≤ n。需要选择一些物品放入背包，使得放入的物品总重量不超过背包容量C，且总价值最大。

一、思路讲解

0-1背包的特点：每种物品只有一件，可以选择放入或不放入

0-1背包问题的状态分析如下：

状态：dp[i][j]表示前i个物品放入容量为j的背包中所能获得的最大价值。

状态转移方程：

当 j < s[i] 时，即当前物品的重量大于背包容量，无法放入背包，此时 dp[i][j] = dp[i-1][j]，即等于前 i-1 个物品放入背包容量为j 的最大价值。
当 j >= s[i] 时，即当前物品的重量小于等于背包容量，可以选择放入或不放入背包：

如果选择放入当前物品，则最大价值为dp[i-1][j-s[i]] + v[i]，即前 i-1 个物品放入容量为j-s[i]的背包中的最大价值加上当前物品的价值。
如果选择不放入当前物品，则最大价值为dp[i-1][j]，即前 i-1 个物品放入容量为j的背包中的最大价值。

综合考虑放入和不放入的情况，取两者中的最大值作为dp[i][j]的值。

初始状态：
- dp[0][j] = 0，表示没有物品可选时，背包容量为 j 时的最大价值为0。
- dp[i][0] = 0，表示背包容量为0时，无论有多少物品，最大价值都为0。

根据以上状态分析，可以正确计算0-1背包问题的最大价值。

01背包基本思路

现阶段：定义dp[i][j]表示前i个物品放入容量为j的背包中所能获得的最大价值。根据现阶段的定义，可以使用动态规划来解决问题。
状态转移方程：对于每个物品i，可以选择放入背包或者不放入背包。如果选择放入第i个物品，则最大价值为dp[i - 1][j - s[i]] + v[i]；如果选择不放入第i个物品，则最大价值为dp[i - 1][j]。因此，状态转移方程为dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - s[i]] + v[i])。
边界条件：初始状态为dp[0][j] = 0，表示没有物品可选时，背包容量为j时的最大价值为0；dp[i][0] = 0，表示背包容量为0时，无论有多少物品，最大价值都为0。

二、图示

记dp（n，j）：当前背包容量为 j，现有n件物品可以放入，所能得到的最大值

三、伪代码

代码如下（示例）：

Input: n (物品数量), C (背包容量), s[] (每个物品的重量), v[] (每个物品的价值)
Output: 最大价值

// 初始化动态规划数组
for i from 0 to n:
    dp[i][0] = 0
for j from 0 to C:
    dp[0][j] = 0

// 动态规划计算最大价值
for i from 1 to n:
    for j from 1 to C:
        if j < s[i]:
            dp[i][j] = dp[i-1][j]
        else:
            dp[i][j] = max(dp[i-1][j], dp[i-1][j - s[i]] + v[i])

return dp[n][C]  // 返回最大价值

四、代码

代码如下（示例）：

#include <iostream>
#include <vector>
using namespace std;

int KnapSack(const vector<int> &s, const vector<int> &v, int n, int C) {
    vector<vector<int> > dp(n + 1, vector<int>(C + 1, 0));
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= C; j++) {
            if (j < s[i]) {
                dp[i][j] = dp[i - 1][j];
            } else {
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - s[i]] + v[i]);
            }
        }
    }
    return dp[n][C];
}

void print(const vector<vector<int> > &dp, int n, int C) {
    for (int i = 0; i <= n; i++) {
        for (int j = 0; j <= C; j++) {
            cout << dp[i][j] << " ";
        }
        cout << endl;
    }
}

int main() {
    int n, C;
    cin >> n >> C;
    vector<int> s(n + 1), v(n + 1);
    for (int i = 1; i <= n; i++) {
        cin >> s[i] >> v[i];
    }
    int result = KnapSack(s, v, n, C);
    cout << "最大价值: " << result << endl;
    return 0;
}