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;
}