01背包
有 N
件物品和一个容量为 V
的背包,每件物品有各自的价值且只能被选择一次,要求在有限的背包容量下,装入的物品总价值最大。
「0-1 背包」是较为简单的动态规划问题,也是其余背包问题的基础。
动态规划是不断决策求最优解的过程,「0-1 背包」即是不断对第 i 个物品的做出决策,「0-1」正好代表不选与选两种决定。
f[i][j]
状态表示:
集合: 所有只从前i
个物品中选,且总体积不超过j
的选法的集合 ,
属性 :最大价值max
f[i, j]
状态计算:
集合划分:
划分依据:以第i
个物品 选 or 不选 进行划分,
-
当选择第
i
个物品的时候:子集中的所有选法的价值最大即为f[i-1][j-v[i]] + w[i]
, -
当不选择第
i
个物品的时候:子集中所有选法的价值最大即为f[i-1][j]
。
整个集合的最大值为以上两者 取一个max
即可。
如何写代码
版本1 二维
(1)状态f[i][j]
- 当前的状态依赖于之前的状态,可以理解为从初始状态
f[0][0] = 0
开始决策,有N
件物品,则需要N
次决 策,每一次对第i
件物品的决策,状态f[i][j]
不断由之前的状态更新而来。
(2)当前背包容量不够(j < v[i]
),没得选,因此前 i
个物品最优解即为前 i−1
个物品最优解:
- 对应代码:
f[i][j] = f[i - 1][j]
。
(3)当前背包容量够,可以选,因此需要决策选与不选第 i
个物品:
- 选:
f[i][j] = f[i - 1][j - v[i]] + w[i]
。 - 不选:
f[i][j] = f[i - 1][j]
。 - 我们的决策是如何取到最大价值,因此以上两种情况取
max()
。
时间复杂度:
O ( n m ) O(nm) O(nm)
代码:
#include<bits/stdc++.h>
using namespace std;
const int N = 1005;
int v[N]; // 体积
int w[N]; // 价值
int f[N][N]; // f[i][j], j体积下前i个物品的最大价值
int main()
{
int n, m;
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 = 0; j <= m; j++)
{
if(j < v[i]) // 当前背包容量装不进第i个物品,则价值等于前i-1个物品
f[i][j] = f[i - 1][j];
else // 能装,需进行决策是否选择第i个物品
f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
}
cout << f[n][m] << endl;
return 0;
}
运用滚动数组将二维优化成一维,等价变形
#include<bits/stdc++.h>
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;
}