2024/1/3101背包问题

题目：P1048 [NOIP2005 普及组] 采药

题目描述

辰辰是个天资聪颖的孩子，他的梦想是成为世界上最伟大的医师。为此，他想拜附近最有威望的医师为师。医师为了判断他的资质，给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说：“孩子，这个山洞里有一些不同的草药，采每一株都需要一些时间，每一株也有它自身的价值。我会给你一段时间，在这段时间里，你可以采到一些草药。如果你是一个聪明的孩子，你应该可以让采到的草药的总价值最大。”

如果你是辰辰，你能完成这个任务吗？

输入格式

第一行有 22 个整数 T（1≤T≤1000）和 M（1≤M≤100），用一个空格隔开，T 代表总共能够用来采药的时间，M 代表山洞里的草药的数目。

接下来的 M 行每行包括两个在 1 到 100 之间（包括 1 和 100）的整数，分别表示采摘某株草药的时间和这株草药的价值。

输出格式

输出在规定的时间内可以采到的草药的最大总价值。

做这道题之前我们得了解01背包是什么

01背包问题：

有N个物品，和一个容量为W的背包，【每一样物品只能拿一次】，每一个物品都有其对应的价值value和重量weight，要怎么选才能使背包里的物品达到最大价值？

关于01背包最重要的点就是每一样物品只能取用一次，而对于每一样物品来说，只有取与不取两个选择，01指的是取与不取，所以才叫01背包

01背包满足以下特点

1. 背包的体积为sum / 2
2. 背包要放入的商品（集合里的元素）重量为 元素的数值，价值也为元素的数值
3. 背包如果正好装满，说明找到了总和为 sum / 2 的子集。
4. 背包中每一个元素是不可重复放入。

那么我们可以把问题分解成两个子问题：对于第i个物品取抑或是不取

不取：相当于取了前i-1个物品的子问题

取：相当于取了前i-1个物品，再加上该物品的价值v，减去该物品的重量w的子问题，

将这两种情况比较，取价值更高的一方

对于这个我们需要构建一个状态转移方程来表达这两种情况

我这里选择使用2维数组来构建状态转移方程（便于理解）

二维数组

建立一个dp数组

dp[i][j]，i表示还有i个物品可以拿，背包里还有j的容量

关于i和j的变化则有

i-1表示遍历到这个物品，将选择取与不取（ps：取与不取都要减一，因为这个物品只选择一次)

j的变化是需要减去对应的w[i]（重量）

则有dp[i][j]=max(dp[i-1][j-w[i]]+v[i],dp[i-1][j])

所以状态转移方程为

	for(i=1;i<=N;i++)//遍历物品
	{
		for(j=0;j<=W;j++)//遍历背包容量
		{
			if(j<w[i])//不能放下
			{
				dp[i][j]=dp[i-1][j];
			}
			else//可以放下
			{
				dp[i][j]=max(dp[i-1][j-w[i]]+v[i],dp[i-1][j]);
			}
		}
	}

那回到题目草药的数量就是物品的数量，采药的时间就是背包的容量，草药价值就是物品的价值，那就可以直接套模板了

完整代码：

#include<bits/stdc++.h>
using namespace std;
int dp[105][5005];
int v[105],w[105],t,m,maxv;
int i,j;
int main()
{
	cin>>t>>m;
	for(i=1;i<=m;i++)
	{
		cin>>w[i]>>v[i];
	}
	for(i=1;i<=m;i++)//遍历物品
	{
		for(j=0;j<=t;j++)//遍历背包容量
		{
			if(j<w[i])//不能放下
			{
				dp[i][j]=dp[i-1][j];
			}
			else//可以放下
			{
				dp[i][j]=max(dp[i-1][j-w[i]]+v[i],dp[i-1][j]);
			}
		}
	}
	maxv=dp[m][t];
	cout<<maxv;
	return 0;
}

而01背包还可以简化为一维数组

一维数组

01背包一维数组与二维数组的区别就是它去掉了对物品的数组计数，

这么做导致物品的遍历和背包的遍历这两层for循环嵌套不能调换位置，而二维数组可以随意调换

且一维数组的背包遍历是从后往前遍历而不是从前往后，因为从前往后遍历会导致重复数据的叠加，因此从后往前遍历

所以一维数组的状态转移方程可以这样构建：

dp[j]=max(dp[j-w[i]]+v[i],dp[j])

所以一维数组的01背包可以如下构建:

for(i=1;i<=N;i++)
{
  for(j=W;j>=w[i];j--)
   {
     dp[j]=max(dp[j],dp[j-w[i]+v[i]];
   }
}