1、0-1背包问题
有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
可以建立一个dp[N][V]的二维数组,状态转移方程如何推理?
如果不选第i件物品,则dp[i][j] = dp[i-1][j]
如果选第i件物品,且第i件物品体积能装入背包,即j > vi。如果要装入vi,则上一个体积状态为j - vi,状态转移方程:
dp[i][j] = dp[i - 1][j - vi] + wi (if j > vi)
2、完全背包问题:
有 N 种物品和一个容量是 V 的背包,每种物品都有无限件可用。
第 i 种物品的体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
与0-1背包(每个物品仅有一个)相比,完全背包则表示我这里有很多物品呀,同样的建立状态转移方程:
如果不选第i件物品,则dp[i][j] = dp[i - 1][j]
如果选第i件物品,只选一件:dp[i][j] = dp[i - 1][j - vi] + wi
如果选第i件物品,只选k件:dp[i][j] = dp[i - 1][j - k*vi] + k * wi (if k = int(j/vi))
总体状态转移方程:
dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - vi] + wi + dp[i - 1][j - 2*vi] + 2wi + ... + dp[i - 1][j - k*vi] + k * wi)
如何优化该方程?我们先求dp[i][j - vi],将j - vi代入上式:
dp[i][j - vi] = max(dp[i - 1][j - vi],dp[i - 1][j - 2*vi] + wi + dp[i - 1][j - 3*vi] + 2wi + ... + dp[i - 1][j - (k + 1)*vi] + k * wi)
对于上述转移方程最后一项来说,dp[i - 1][j - (k + 1)*vi] + k * wi,想把k * vi的物品放入背包为j - vi里面,显然放不进去呀。把dp[i][j - vi]代入总体转移方程中,于是上述总体状态转移方程就变为:
dp[i][j] = max(dp[i - 1][j],dp[i][j - vi] + w)