01背包问题

​

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。

1. 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。

2. 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。

3. 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。