0-1背包
0-1背包是一个组合优化问题,在这个问题中,给定一组物品,每个物品都有一个重量和一个价值,在不超过背包重量限制的前提下,选择一些物品放入背包,以使得背包中物品的总价值最大,0-1背包问题中每个物品只能选取一次。
所以它的定义如下:
- 有
n
个物品,每个物品i
有重量w[i]
和价值v[i]
。 - 一个背包能承受的最大重量为
W
。 - 每个物品只能选择放入背包或不放入背包(01选择)。
- 目标是选择物品,使得背包中物品的总价值最大,且总重量不超过
W
。
我们用动态规划来解决这个问题,其步骤为:
- 定义状态:定义
dp[i][j]
为在考虑前i
个物品,且背包容量为j
时所能获得的最大价值。 - 状态转移方程:
- 如果不选择第
i
个物品,则dp[i][j] = dp[i-1][j]
。 - 如果选择第
i
个物品(前提是j >= w[i]
),则dp[i][j] = dp[i-1][j-w[i]] + v[i]
。
- 初始化:
dp[0][j] = 0
,没有物品时,任何容量下的价值都是0. - 计算顺序:按照物品的顺序和背包容量的增加顺序,更新
dp
数组。 - 最终结果,
dp[n][W]
即为最终的最大价值,其中n
是物品的总数,W
是背包的最大容量。
代码如下:
#include <iostream>
#include <vector>
using namespace std;
// 函数用于解决01背包问题
int knapsack01(int W, int n, vector<int>& weights, vector<int>& values) {
vector<vector<int>> dp(n + 1, vector<int>(W + 1, 0));
// i索引是考虑到第几个物品了,j是背包的容量,用来便于动态规划,这里默认进行了初始化,因为物品是1~n,索引0对应的值默认为0
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= W; j++) {
if (weights[i - 1] <= j) {
// 可以选择不放入第i个物品,或者放入第i个物品,这里j-weights[i-1]是当前容量减去第i个物品的重量剩下的容量,用来考虑装其他物品
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
} else {
// 如果物品重量大于背包容量,则不能放入背包
dp[i][j] = dp[i - 1][j];
}
}
}
return dp[n][W];
}
int main() {
int W = 7; // 背包最大重量
int n = 4; // 物品数量
vector<int> weights = {2, 3, 4, 5}; // 物品重量
vector<int> values = {3, 4, 5, 7}; // 物品价值
cout << "The maximum value of items that can be carried in the knapsack is: "
<< knapsack01(W, n, weights, values) << endl;
return 0;
}
完全背包
完全背包与01背包问题的主要区别在于,完全背包问题中的每种物品可以无限制地选取多次,而01背包问题中每种物品只能选取一次。
所以它的定义如下:
- 有
n
种物品,每种物品i
有一个重量w[i]
和一个价值v[i]
。 - 一个背包可以承受的最大重量为
W
。 - 每种物品可以选取任意多次(与01背包问题不同)。
- 目标是选择物品的组合,使得总价值最大,同时不超过背包的最大承载重量。
我们用动态规划来解决这个问题,步骤为:
- 定义状态:定义
dp[j]
为在不超过重量j
的条件下,能够获得的最大价值。 - 状态转移方程:对于每个物品
i
,状态转移方程可以表示为:dp[j] = max(dp[j], dp[j - w[i]] + v[i])
。 - 初始化:
dp[0]
初始化为0。 - 计算顺序:按照背包容量的增加顺序,更新
dp
数组。 - 最终结果:
dp[W]
即为不超过背包最大容量W
时地最大价值。
代码如下:
#include <iostream>
#include <vector>
using namespace std;
// 函数用于解决完全背包问题
int completeKnapsack(int W, const vector<int>& weights, const vector<int>& values, int n) {
vector<int> dp(W + 1, 0);
for (int i = 1; i <= n; ++i) {
for (int j = 0; j <= W; ++j) {
if (j >= weights[i - 1]) {
dp[j] = max(dp[j], dp[j - weights[i - 1]] + values[i - 1]);
}
}
}
return dp[W];
}
int main() {
int W = 10; // 背包最大重量
int n = 4; // 物品数量
vector<int> weights = {2, 3, 4, 5}; // 物品重量
vector<int> values = {3, 4, 5, 6}; // 物品价值
cout << "The maximum value of items that can be carried in the knapsack is: "
<< completeKnapsack(W, weights, values, n) << endl;
return 0;
}
这里我们的外层循环虽然仍是按物品顺序来的,但是动态规划中每个物品是独立的,即选择放入或者不放入第i
种物品不会影响其他物品的选择,对于每种物品(i
循环),我们检查当前背包容量(j
循环)是否足以容纳至少一个该物品。如果是,更新动态规划表dp[j]
。