背包问题
背包问题是指在一个有容积限制(或者重量限制)的背包中放入物品,物品拥有体积、重量和价值等属性。需要求一种满足背包限制的放置物品的方式,使得背包中物品的价值之和最大。根据物品的限制条件可分为01背包、完全背包、多重背包和分组背包等问题。背包问题是动态规划的经典问题之一,在实际中往往有很多变形,需要通过一些方法,把问题转化为背包问题。
01背包
01背包是背包问题中最简单的问题。
01背包的约束条件是:给定几种物品,每种物品有且仅有一个,并且有权值和体积两个属性。在01背包问题中,因为每种物品仅有一个,对于每种物品只需要考虑选与不选两种情况。如果不选择将该物品放入背包中,则不需要处理。如果选择该物品放入背包中,由于并不清楚之前放入的物品占据了多大的空间,需要枚举将这个物品放入背包后可能占据背包空间的所有情况。
基本递推式:
dp[i][j] = max(dp[i-1][j] , dp[i-1][j-v[i]] + w[i])
//表示前i个物品在最大体积为j的情况下的最大价值
for (int i = 1; i <= n; i++)
{
//只有当j >= v[i],dp[i][j]才能进行选取最大值
for (int j = maxv; j >= v[i]; j--)//二维时,这里也可以从小到大
{
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
}
//当j < v[i],说明第i个物品是不能转入背包的,故dp[i][j] = dp[i-1][j]
for (int j = v[i] - 1; j >= 0; j--)
dp[i][j] = dp[i - 1][j];
}
由于当前状态仅依赖前一状态的剩余体积与当前物品体积v[i]的关系,根据这个特点,我们可以将dp降到一维,节省部分空间:
dp[j] = max{dp[j],dp[j-v[i]]+w[i]}
for (int i = 1; i <= n; i++)
{
//只有当j >= v[i],dp[j]才能进行选取最大值,否则dp[j]将不作更新,等于dp[i-1][j]。
for (int j = maxv; j >= v[i]; j--)//一维时,这里只能从大到小,因为对于一个i不能两次修改dp数组(一个物品只能选一次)
{
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
}
例题:HDU 2602
题目大意:有一个骨头收集者,有一个背包容量有限制。现在在一趟旅行中收集骨头,骨头有价值和体积两个属性。求能收集到的总和的最大值。
01背包问题,可以感觉这类问题在生活中很常见而且很有用
定义数组dp[] 表示 考虑当前物品时与之前物品共占用容积为j能获得的最大值,这样dp[v]即为所求
数组w[]和c[]分别记录骨头的价值和占用体积。
代码示例
#include<bits/stdc++.h>
using namespace std;
const int maxn=1005;
int dp[maxn];
int w[maxn];
int c[maxn];
int main()
{
ios::sync_with_stdio(false);
int t,n,m,v;
cin>>t;
while(t--){
cin>>n>>v;
memset(dp,0,sizeof(dp));
for(int i=0;i<n;++i) cin>>w[i];
for(int i=0;i<n;++i) cin>>c[i];
for(int i=0;i<n;++i){
for(int j=v;j>=c[i];j--){
dp[j]=max(dp[j],dp[j-c[i]]+w[i]);
}
}
cout<<dp[v]<<endl;
}
return 0;
}