动态规划是解决变成问题的一种重要思想,而背包则是动态规划的一种。
背包问题:给你一个容量为v的背包以及一些具有价值Wi和体积Vi的一些物品,要你求出背包所能装的最大价值。
解决方法:
定义一个数组f[i][v]用来统计各种情况下,背包所能装的最大价值,其中,i代表当前只提供前i个物品给你选择,v表示当前只提供v体积给你装物品
具体代码实现:
//关键思想方程:f[i][j]=max{f[i-1][j],f[i-1][j-Vi]+Wi} 判断装入和不装入,哪个价值更大
f[N][V];//假设有N个物品,V的容量
for(int i=1;i<N;i++)//遍历所有物品
for(int j=0;j<V;j++)
{
if(j<Vi)//判断当前容量能否装入第i个物品
f[i][j]=f[i-1][j];//如果装不下,那么当前条件下最大价值就应该等于不考虑第i个物品时,当前容量所能装的最大值,即f[i-1][j]
else
//下面是可以装入第i个物品的情况
f[i][j]=Max(f[i-1][j],f[i-1][j-Vi]+Wi);
//如果能装入,就要判断装入大,还是不装入大,如果不装入,就相当于不考虑第i个物品,就是f[i-1][j],如果装入,那么价值就应该等
//于第i个物品的价值再加上不考虑第i个物品,而且容量为j-Vi(当前容量,第i个物品占了Vi)的情况下的最大价值,即f[i-1][j-Vi]
}
但是,当给你的背包较大,物品又较多时,二位数组所占的空间有可能会过大,这时就要懂得优化
因为最后要的最值肯定是要把所有物品都考虑的情况下的最大值,那么有没有可能建立一个存储最值用的数组下标只和体积有关呢?
答案是肯定的,方法很简单,大体思路没变,主循环依旧是遍历物品(逐步把所有物品考虑进去),只是对容量的循环改为递减,原因见代码:
f[V];//存储数组改为只和容量有关
//关键思想方程:f[j]=max{f[j],f[j-Vi]+Wi},与f[i][j]=max{f[i-1][j],f[i-1][j-Vi]+Wi}不难看出,要想通过一位数组实现,那么max里的f[j],f[j-Vi]必须是不考虑第i个物品时的值,同样是判断
//装入和不装入,哪个价值更大,不过在这里就可以看出为什么容量的循环是递减的,思考一下,如果容量递减,那么f[j]的修改是根据j从大到小的修改的,这时max里的f[j],f[j-Vi]是没修改过的,也
//就是说这两个值是还没考虑第i个时的值,这是我们要的,如果是递增的,那么f[j]和f[j-Vi]都是修改过的,也就是已经考虑过第i个物品的值,不满足要求
for(int i=1;i<N;i++)//遍历所有物品
for(int j=N;j>=Vi;j--)//注意:这里不能递减到0,因为下面有j-Vi
{
f[j]=Max(f[j],f[j-Vi]+Wi);
}