01背包问题

01背包问题

经典动态规划题了。其实也没有多难。。。

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。第 $i$ 件物品的体积是 $v_i$，价值是 $w_i$。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。

我们可以将问题拆分成两种情况来分析

1. 在装到第 $i$ 个物品时，选择不装（其中就有背包剩余体积小于物品体积的情况），则 $f[i][j]=f[i-1][j]$
2. 在装到第 $i$ 个物品时，选择装（此时特判一下背包体积是否足够），则 $f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i])$

这样问题就得以解决，也是最简单，最直接的做法，也被称为朴素解法。

//01背包问题

#include <iostream>
#include <cstring>
#include <algorithm>
#define MAXNUM 1010

using namespace std;

int f[MAXNUM][MAXNUM];            //dp表
int v[MAXNUM], w[MAXNUM];         //体积v与价值w

int N,V;                          //物品数量与背包体积

int main()
{
	cin >> N >> V;
	for (int i = 1; i <= N; i++)
		cin >> v[i] >> w[i];
	for (int i=1; i<=N; i++)
		for (int j = 1; j <= V; j++)
		{
			f[i][j] = f[i - 1][j];
			if (j >= v[i])
				f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i]);
		}
	int ans = 0;
	for (int i = 1; i <= V; i++) ans = max(ans, f[N][i]);

	cout << ans << endl;

	return 0;
}

那么在这种方法的背景之下，我们可以对改算法进行改进。
我们看到上述算法，动态规划数组是一个二维数组，对于空间的占用较大，所以将其改进成一维数组 （压榨，不断压榨，榨干它）

在二维数组中 $f[i][j]=max(f[i-1][j-v[i]]+w[i],f[i][j])$,发现第 $i$ 个只与第 $i-1$ 个有关，所以，想办法将 $i$ 消除。
但要保证，当放入第 $i$ 个物品时，之前的标志仍是 $i-1$

这里就将 $j$ 反向遍历，从最后一位向前遍历，知道 $j<v[i]$ 为止。这样，最后的 $f[v]$ 自然就是最大值。

举个例子：
如 第 k 个是最大值，那么第 v 个最终会从第 v-k 个状态转移过来，依次类推，最终是会从 第 1 个状态转移过来。而初始化时所有的状态都是0，故最终留在第 v 个状态的必定时最大值。

// 01背包问题
#include <iostream>
#include <cstring>
#include <algorithm>
#define MAXNUM 1010

using namespace std;

int f[MAXNUM];            //dp表
int v[MAXNUM], w[MAXNUM];         //体积v与价值w

int N,V;                          //物品数量与背包体积

int main()
{
	cin >> N >> V;
	for (int i = 1; i <= N; i++)
		cin >> v[i] >> w[i];
	for (int i=1; i<=N; i++)
		for (int j = V; j >=v[i] ; j--)
		{
				f[j] = max(f[j], f[j - v[i]] + w[i]);
		}

	cout << f[V] << endl;

	return 0;
}

大概就是这样。。。