01背包
问题描述
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。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
思考过程
背包问题是个经典的DP问题,是我们学习DP的必经之路。
我们先来理解一下背包问题,就是在有限的体积下装下最大价值的物品,我们先想到的无非是枚举,但是对于小数据来说还可以,大数据就完全不行。
所以我们要想出更合理的方法,我们现在就来分析这个问题的状态。
从状态出发,表示这个问题
现在搬出我们的y总的分析法则
从集合状态分析dp问题,我们不妨先定义一个二维数组f[i][j]
,这个数组表示的是在前i
个物品中j
体积的最大价值,其中数组中存的是 最大值,也就是最大价值
好了现在我们几乎就决定了后面是怎么做的了
接下来就是状态计算:分别有两种情况
1. 不选i
件物品f[i][j] = f[i - 1][j]
2. 选i
件物品f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i])
而在选择第i
件物品的时候我们要作一个判断,j
是否大于v[i]
此思考过程来源于www.ACWing.com,yxc大佬的解题模式。在此膜拜大佬
C++代码
#include <iostream>
using namespace std;
const int N = 1010;
int n, m;
int v[N],w[N];
int f[N][N];//状态表示
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++) cin >> v[i] >> w[i];
f[0][0] = 0;
for (int i = 1; i <= n; i ++)
for (int j = 0; j <= m; j ++)
{
f[i][j] = f[i - 1][j];
if (j >= v[j])
f[i][j] = max(f[i][j]. f[i - 1][j - v[i]] + w[i]);
}
cout << f[n][m] << endl;
}
完全背包问题
问题描述
有 N 件物品和一个容量是 V 的背包。每种物品都有无限件可用。第 i 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。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
10
思考过程
几乎和01背包的状态表示差不多,但是中间的状态计算差了很多
状态计算:此时我们要分析的是第i
件物品选0次、选1次、选…次;实际就氛围两种,一个不选,一个选k
次比较比较大小;在这里我们还是要判断这个背包体积是否用完。和上面的方法一样,
1. 不选i
件物品f[i][j] = f[i - 1][j]
2. 选ki
件物品f[i][j] = max(f[i][j], f[i][j - kv[i]] + w[i])
注:这里我用的是二维数组表示,但是在大佬还有优化的一维数组算法。前面的01背包也是一样
C++代码
#include <iostream>
using namespace std;
const int N = 1010;
int n, m;
int v[N],w[N];
int f[N][N];//状态表示
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++) cin >> v[i] >> w[i];
f[0][0] = 0;
for (int i = 1; i <= n; i ++)
for (int j = 1; j <= m; j ++)
{
f[i][j] = f[i - 1][j];
if (j >= v[j])
f[i][j] = max(f[i][j]. f[i][j - v[i]] + w[i]);
}
cout << f[n][m] << endl;
}