题目描述
给定N种物品和一个容量为V的背包,物品i的体积是wi,价值为vi 。从这些物品中挑选出总重量不超过W的物品,求所有挑选方案中价值总和的最大值。
限制条件
1<=n<=100
1<=wi,vi<=100
1<=W<=10000
样例输入
n=4
(w,v)={ (2,3) , (1,2) , (3,4) , (2,2) }
W=5
样例输出
7(选0,1,3号物品)
答案一(DFS)
分析
我们已知给定的n个物品的信息,可以针对每个物品都试试装入或者不装入这两种情况。所以问题就变成了搜索问题。如何实现搜索,我们这里使用的是递归,关于递归,要注意以下三个问题:
- 合适的返回值
- 递归函数参数的设置
- 递归入口和出口
对于本题,我们要求的是价值总和的最大值,所以可让递归函数返回当前方案的价值和。对于递归函数的参数,可设置为当前的物品序号和剩余的可利用重量。
当所有物品对于是否选择都判断完毕,则退出递归程序。
示例代码
#include<iostream>
using namespace std;
int func(int i,int j);
int n=0;
int wsum=0;
int w[100],v[100];
int dp[100][100];
int main(){
// 读入数据
cin>>n;
for(int i=0;i<n;i++){
cin>>w[i];
cin>>v[i];
}
cin>>wsum;
cout<<func(0,wsum);
return 0;
}
//这类问题总可以尝试用 第i个 和 限制条件为wn 进行搜索
int func(int i,int wn){
int res;
if(i==n){
// 递归的出口:此时已经没有剩余物品 。
// 最后一件物品的价值还需要通过下一个物品,即第n个物品进行判断。
// 不存在这个物品,所以其价值自然为0.
res = 0;
}else if(wn<w[i]){
res = func(i+1,wn);
}else{
//挑选和不挑选的两种情况都尝试一下
res = max(func(i+1,wn-w[i])+v[i],func(i+1,wn));
}
return res;
}
答案二
思路
答案一虽然解决了问题,但是存在重复计算的缺点,违反了递归的合成效益法则(在求解一个问题的同一实例的时候,切勿在不同的递归调用中做重复性的工作)。我们可以通过记忆数组解决这一问题。
示例代码
#include<iostream>
using namespace std;
int func(int i,int j);
int n=0;
int wsum=0;
int w[100],v[100];
//创建数组
int dp[101][101];
int main(){
// 读入数据
cin>>n;
for(int i=0;i<n;i++){
cin>>w[i];
cin>>v[i];
}
cin>>wsum;
cout<<func(0,wsum);
return 0;
}
//递归函数
int func(int i,int j){
int res;
// 如果之前已经计算过这组参数,就直接返回结果,不再进行递归
if(dp[i][j]!=0){
return dp[i][j];
}else if(i == n){
res = 0;
}else if(j<w[i]){
res = func(i+1,j);
}else{
res = max(func(i+1,j),func(i+1,j-w[i])+v[i]);
}
// 将计算过的数据存入数组
dp[i][j] = res;
return res;
}
答案三
思路
由答案二我们可以看出,最终方案可由‘子方案’得出,比如对于样例输入,dp[0][5]=max(dp[1][5],dp[1][3]+3)。基于这个思路,我们可以使用动态规划算法,对此问题进行解决。
示例代码
#include<iostream>
using namespace std;
int func(int i);
int n=0;
int wsum=0;
int w[100],v[100];
int dp[101][101];
int main(){
// 读入数据
cin>>n;
for(int i=0;i<n;i++){
cin>>w[i];
cin>>v[i];
}
cin>>wsum;
cout<<func(wsum);
return 0;
}
int func(int ws) {
for(int i=n-1;i>=0;i--){
for(int j=0;j<=ws;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]]+v[i]);
}
}
}
return dp[0][ws];
}