ahu university算法设计考试

1.实验要求：

给定n种物品和一背包。物品i的重量是wi，体积是bi，其价值为vi，背包的容量为c，容积为d。问应如何选择装入背包中的物品，使得装入背包中物品的总价值最大？在选择装入背包的物品时，对每种物品i只有两种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。试设计一个解此问题的动态规划算法，并分析算法的计算复杂性。

2.实验代码：

#include <iostream>
using namespace std;
const int MAX = 32768;
int dp[10][10][10] = { 0 };        //dp[i][j][k] i代表着第1到第i个物品，j代表的是重量，k代表的是容积，dp为最优价值

class bag
{
public:
    void init_bag()
    {
        cout << "请输入背包的容量,容积:";
        cin >> c >> d;
    }
    int c;
    int d;
};

class object
{
public:
    friend void dp_do(bag mybag, object t);
    int n;
    int w[MAX] = { 0 };   //重量
    int b[MAX] = { 0 };   //体积
    int v[MAX] = { 0 };   //价值
    void initthings()
    {
        cout << "总共需要整理的物品数目:";
        cin >> n;
        cout << "物品的重量,体积,价值:" << endl;
        for (int i = 1; i < n + 1; i++)
        {
            cin >> w[i] >> b[i] >> v[i];
        }
    }
};

void dp_do(bag mybag, object t)
{
    for (int i = 1; i < t.n + 1; i++)
        for (int j = 1; j <= mybag.c; j++)
            for (int k = 1; k <= mybag.d; k++)
            {
                if (t.w[i] <= j && t.b[i] <= k)  //当前物品重量小于当前容量，且体积小于容积时 ，才可以考虑装入物品的问题
                    dp[i][j][k] = max(dp[i - 1][j][k], dp[i - 1][j - t.w[i]][k - t.b[i]] + t.v[i]);
                else dp[i][j][k] = dp[i - 1][j][k];
            }
    cout << "背包的最大价值为:" << dp[t.n][mybag.c][mybag.d] << endl;
}


void marke(bag mybag, object t)
{
    int x[MAX] = { 0 };   //记录是否被选中
    for (int i = t.n; i > 1; i--)
        if (dp[i][mybag.c][mybag.d] == dp[i - 1][mybag.c][mybag.d])x[i] = 0;
        else { x[i] = 1; mybag.c -= t.w[i]; mybag.d -= t.b[i]; }
    x[1] = (dp[1][mybag.c][mybag.d]) ? 1 : 0;
    cout << "选入物品的编号,质量和体积,价值分别是:" << endl;
    for (int i = 1; i < t.n + 1; i++)
        if (x[i] == 1)
            cout << "第" << i << "个选中物品: \n" << t.w[i] << "  " << t.b[i] << "  " << t.v[i] << endl;
}


int main()
{
    bag mybag;
    object t;
    mybag.init_bag();
    t.initthings();
    dp_do(mybag, t);
    marke(mybag, t);
    return 0;
}

3.代码解释

本代码使用了两个类来储存物品以及背包使程序的阅读性更强，一开始我们优先定义了整个代码都需要使用的二维dp列表，通过二维列表当中的值的运算进行题目的运算。同时我们定义了两个不同的类——背包类和物品类，通过背包类和物品类当中的传入物品的操作，对数据进行输入。接着我定义了两个函数，分别为dp_do函数以及marke函数对dp数据表进行处理。Dp_do函数通过我们已经有的公式选或者不选公式对dp表进行更新，赋值。Marke函数通过对dp表当中前后数据的比对，确认是否有对物品进行选择，并且将是否选择了物品记录到记录表当中。最后在每一个函数当中我或多或少加入了一些输入输出语句使得程序更加易于使用和理解。

4.实验结果截屏

 5.算法复杂度分析

动态规划算法通常用于求解具有某种最优性质的问题。其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。 与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）

动态规划的时间效率为O(ncd)其中n表示物品的个数，c表示背包的容量，d表示背包的容积。空间的效率就是用于存储二维数组的占用空间大小，即为O(ncd).