01背包

问题描述

从 M 件物品取出若干件放在空间为 V 的背包里，第 i 件物品的体积为 c[i]，其价值为 w[i]，求出获得最大价值的方案。

解题思路

这是一个很基础、很经典的动态规划问题，用 dp[i][j]  表示前 i 个物品放入容量为j的背包的最大价值，根据当前最优解包含或不包含第 i 件物品两种情况，可列状态转换方程如下：

dp[i][j] = max{dp[i - 1][j],dp[i - 1][j - c[i]] + w[i]}

关于这个状态方程，我是这么理解的：当最优解不包含第 i 件物品时，dp[i][j] 与 dp[i - 1][j] 相等，当最优解包含第 i 件物品时，需要从 dp[i - 1][j] 中让出 c[i] 的空间，然后再算上第 i 件物品的价值，即为前 i 件物品的最大价值。

根据状态方程可打表如下图：

关键算法代码

#include <iostream>
using namespace std;

//第一下标i：物品个数，1 - (M)
//第二下标j：背包剩余可用空间
int dp[100][100] = { 0 };

/
// c 物品体积
// w 物品价值
// M 物品个数
// V 背包容量
/
int knap(int* c, int* w, int M, int V)
{
    //k 表示物品的真实索引号
    int i = 1, j = 0, k = 0;
    for (; i <= M; i++)
    {
        k = i - 1;
        for (j = 0; j <= V; j++)
        {
            if (c[k] <= j && dp[i - 1][j - c[k]] + w[k] > dp[i - 1][j])
                dp[i][j] = dp[i - 1][j - c[k]] + w[k];
            else
                dp[i][j] = dp[i - 1][j];
        }
    }
    return dp[i - 1][j - 1];
}

int main()
{
    int M = 5, V = 10;
    int c[] = {1, 2, 3, 4, 5 };
    int w[] = {5, 4, 3, 2, 1 };
    int rs = knap(c, w, M, V);
    cout << rs << endl;
    return 0;
}

算法优化

上述算法时间复杂度和空间复杂度均为 O(MV)，其时间复杂度已经不能优化了，但空间复杂度可进一步优化到O(V)，算法如下：

#include <iostream>
using namespace std;

int dp[100] = { 0 };

/
// c 物品体积
// w 物品价值
// M 物品个数
// V 背包容量
/
int knap(int* c, int* w, int M, int V)
{
    int i = 1, j = V, k = 0;
    for (; i <= M; i++)
    {
        k = i - 1;
        for (j = V; j >= c[k]; j--)
        {
            if (dp[j] < dp[j - c[k]] + w[k])
            {
                dp[j] = dp[j - c[k]] + w[k];
            }
        }
    }
    return dp[V];
}

int main()
{
    int M = 5, V = 10;
    int c[] = {1, 2, 3, 4, 5 };
    int w[] = {5, 4, 3, 2, 1 };
    int rs = knap(c, w, M, V);
    cout << rs << endl;
    return 0;
}