动态规划之0-1背包

题目

动态规划之0-1背包问题有N件物品和一个容积为M的背包。第i件物品的体积w[i]，价值是v[i]。求解将哪些物品装入背包可使价值总和最大。每种物品只有一件，可以选择放或者不放(N<=3500,M <= 13000)。

思路

对于这个问题而言，许多人的第一反应就是求每件物品的平均价值，然后最先装平均价值最大的物品。然而，这样的贪心法是不对的。假如这种情况：

假设背包的容量为60。我们可以看到，若是按照贪心的方法，会选择平均价值最高的第1件和第三件物品，总价值为180。但是这不是总价值最大的：第二件和第三件加起来容量满足且总价值达到210。
所以，贪心策略不适用于0-1背包问题。

以下为动态规划策略：
设L[i][j]为用容积为j的背包装前i件物品的最大价值，设第i件物品的体积为w[i]，设第i件物品的价值为v[i]。可以这样考虑：
对于前i件物品而言，我们可以选择装第i件物品或不装第i件物品。
一. 如果装，那么L[i][j]就等于拿出第i件物品后(前i-1件物品)的最大价值加上第i件物品的价值，即：L[i-1][j-w[i]] + v[i]。
二. 如果不装，那么L[i][j]就等于没有第i件物品的最大价值，即：L[i-1][j]。

三.以上两种情况都是在第i件物品的体积没有超过背包的容积的前提下讨论的。如果第i件物品的体积超过了当前背包的容积呢？很简单——不装它就得了，即：L[i-1][j]。

在第i件物品的体积没有超过当前背包的容积的情况下，装与不装，这是一个问题。我们怎么选择装或者不装第i件物品呢？只需要选择结果最大的那个就可以了。

综上所述，我们可以列出0-1背包问题的状态转移方程：

状态方程有了，那么初始状态呢？
那么我们可以想到：如果只有一个物品，是不是会简单很多呢？ 若该物品的体积大于背包容量，那么背包里能装的物品总价值就为0；若该物品的体积小于等于背包的容量，那么背包里能装的物品总价值就是该物品的价值。即：

    if (i<=0)
    {
        if (j>=w[i])
            return d[i];
        else 
            return 0;
    }

下面是以递归形式给出的一种解法：

#include <iostream>
using namespace std;

#define N 10
#define M 200
int d[N];   //物品的价值
int w[N];   //物品的体积
int n = 0;  //物品总数
int m = 0;  //背包容量

int My_max(int a, int b)
{
    return (a>b)?a:b;
}

int backpack(int i, int j)
{
    if (i<=0)
    {
        if (j>=w[i])
            return d[i];
        else 
            return 0;
    }
    else 
    {
        int b = backpack(i-1, j);
        if (j < w[i])
            return b;      
        int a = backpack(i-1, j-w[i]) + d[i];
        return My_max(a, b);
    } 
}

int main()
{

    int i = 0;  
    int j = 0;
    cin >> n >>m;
    for (i = 0; i<n; i++)
        cin >> d[i] >> w[i];

    printf("%d\n", backpack(n-1, m));

    return  0;
}