编辑切换为居中
添加图片注释,不超过 140 字(可选)
Solution:
Solution:
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main() {
int N, V;
cin >> N >> V;
vector<int> v(N), w(N);
for (int i = 0; i < N; ++i) {
cin >> v[i] >> w[i];
}
vector<vector<int>> dp(N + 1, vector<int>(V + 1, 0));
for (int i = 1; i <= N; ++i) {
for (int j = 0; j <= V; ++j) {
if (j >= v[i-1]) {
dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i-1]] + w[i-1]);
} else {
dp[i][j] = dp[i-1][j];
}
}
}
cout << dp[N][V] << endl;
return 0;
}
解释:这个问题的关键思想是动态规划(DP)。动态规划是一种通过分解问题,解决子问题并利用子问题的解来构建原问题的解的方法。在0-1背包问题中,动态规划的核心思想是用一个二维数组dp[i][j]来表示前i个物品中选择一些放入一个最大容量为j的背包所能得到的最大价值。
-
初始化输入:读取物品数量N和背包最大容量V,并读取每个物品的体积和价值。
-
初始化dp数组:创建一个(N+1)行,(V+1)列的二维数组dp,初始化为0。dp[i][j]表示前i个物品中选择一些放入一个最大容量为j的背包所能得到的最大价值。
-
填充dp数组:对于每个物品i (1<=i<=N),对于每个背包容量j (0<=j<=V),都有两种选择:取或不取当前物品。
-
如果不取当前物品,那么最大价值就是前i-1个物品放入容量为j的背包的最大价值,即dp[i-1][j]。
-
如果取当前物品,前提是背包容量j要大于或等于当前物品体积v[i-1],此时最大价值是当前物品的价值加上前i-1个物品放入剩余容量j-v[i-1]的背包的最大价值,即dp[i-1][j-v[i-1]] + w[i-1]。然后,对这两种情况取最大值作为dp[i][j]的值。
-
输出结果:最后,输出dp[N][V],即前N个物品放入容量为V的背包的最大价值。