信息学奥赛一本通题目解析：1267：【例9.11】01背包问题（动态规划）

【题目描述】

一个旅行者有一个最多能装 M公斤的背包，现在有 n件物品，它们的重量分别是W1，W2，...,Wn,它们的价值分别为C1,C2,...,Cn，求旅行者能获得最大总价值。

【输入】

第一行：两个整数，M(背包容量，M<=200)和N(物品数量，N<=30)；

第2..N+1行：每行二个整数Wi，Ci，表示每个物品的重量和价值。

【输出】

仅一行，一个数，表示最大总价值。

【输入样例】

10 4
2 1
3 3
4 5
7 9

【输出样例】

12

【过程分析】

分析动态规划过程。输入样例：

• 背包容量M=10
• 物品数量N=4
• 每件物品的重量和价值如下：
  • 物品1：重量2，价值1
  • 物品2：重量3，价值3
  • 物品3：重量4，价值5
  • 物品4：重量7，价值9

构建一个动态规划表dp，其行表示考虑到的物品数量（从0开始，即不考虑任何物品的情况），列表示背包的容量（从0到M=10）。

dp	0	1	2	3	4	5	6	7	8	9	10
0物品	0	0	0	0	0	0	0	0	0	0	0
1物品	0	0	1	1	1	1	1	1	1	1	1
2物品	0	0	1	3	3	4	4	4	4	4	4
3物品	0	0	1	3	5	5	6	8	8	9	9
4物品	0	0	1	3	5	5	6	9	9	10	12

分析过程：

• 0物品：不考虑任何物品时，任何容量的背包价值都是0。
• 1物品：只考虑第1件物品时，容量为2及以上的背包可以装入该物品，价值为1。
• 2物品：考虑到第2件物品时，可以看到当背包容量达到3时，可以装下第2件物品，价值增加到3。如果背包容量达到5或以上，可以装下第1和第2件物品，总价值为4。
• 3物品：加入第3件物品后，对于容量为4的背包，装入第3件物品的价值（5）比前两件物品的组合（1+3=4）价值更高，所以选择装入第3件物品。容量为7及以上时，可以装入第2件和第3件物品，价值为8。
• 4物品：最后，加入第4件物品。对于容量为7的背包，只装入第4件物品的价值（9）是最优选择。当背包容量为10时，可以装入第2件和第4件物品，总价值达到最大，为12。

最终，对于容量为10的背包，最大总价值为12。这通过考虑每件物品是否装入背包，并基于前面物品的选择结果来动态更新价值，以达到最优解。

【解题思路】

0-1背包问题，通过动态规划的方法来解决。动态规划是解决这类优化问题的一种有效手段，特别是在处理有关于重量和价值的问题时。

解题思路

1. 确定状态和状态转移方程

• 状态：定义dp[i][j]表示在前i件物品中，能够装入容量为j的背包的最大价值。这里i可以取0到N（包含N），j可以取0到M（包含M）。

• 状态转移方程：

  • 如果不放第i件物品，那么dp[i][j] = dp[i-1][j]；
  • 如果放第i件物品（前提是可以放下，即j >= w[i]），那么dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + c[i])，其中w[i]和c[i]分别是第i件物品的重量和价值。

2. 初始化

• 初始化dp[0][j] = 0，因为没有物品时，任何容量的背包其价值都为0。

3. 遍历顺序

• 由于dp[i][j]的值依赖于上一行的值（即dp[i-1][...]），因此物品的遍历是从1到N，背包容量的遍历是从0到M。

4. 计算结果

• 最终的结果就是dp[N][M]，表示在前N件物品中，能装入容量为M的背包的最大价值。

【实现步骤】

1. 输入背包容量M和物品数量N。
2. 输入每件物品的重量W和价值C。
3. 使用一个二维数组dp[N+1][M+1]来保存状态。
4. 初始化dp[0][...] = 0。
5. 遍历物品和背包容量，根据状态转移方程更新dp数组。
6. 输出dp[N][M]。

通过这种方法，可以有效地解决0-1背包问题，获得最大总价值。动态规划的优势在于它避免了重复计算，通过保存中间结果来提高效率。

【代码实现】

#include <iostream>
using namespace std;

const int MAX_N = 30; // 最大物品数量
const int MAX_M = 200; // 最大背包容量
int W[MAX_N + 1]; // 物品重量数组
int C[MAX_N + 1]; // 物品价值数组
int dp[MAX_N + 1][MAX_M + 1]; // 动态规划数组

int main() {
    int M, N; // M为背包容量，N为物品数量
    cin >> M >> N;

    for (int i = 1; i <= N; ++i) {
        cin >> W[i] >> C[i];
    }

    // 初始化dp数组
    for (int i = 0; i <= N; ++i) {
        for (int j = 0; j <= M; ++j) {
            dp[i][j] = 0;
        }
    }

    // 动态规划求解
    for (int i = 1; i <= N; ++i) {
        for (int j = 0; j <= M; ++j) {
            if (j < W[i]) {
                dp[i][j] = dp[i - 1][j];
            } else {
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - W[i]] + C[i]);
            }
        }
    }

    cout << dp[N][M] << endl;

    return 0;
}

【代码解释】

实现使用了两个一维数组W和C来存储每件物品的重量和价值，另外使用了一个二维数组dp来存储动态规划中的状态。dp[i][j]表示在前i件物品中，对于容量为j的背包所能达到的最大价值。

代码首先读取背包的容量M和物品的数量N，然后读入每个物品的重量和价值。接下来，通过双重循环遍历所有物品和所有可能的背包容量，根据0-1背包问题的状态转移方程更新dp数组。最终，dp[N][M]即为所求的最大总价值，输出该值。