背包问题--求解过程

题目描述

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 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，，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

问题分析

根据动态规划原理进行求解，吧大问题拆分成小问题，通过寻找大问题与小问题的递推关系，解决一个个小问题，最终达到解决原问题的效果。
动态规划与分治法类似，但不同的是，分治法在子问题和子子问题等上被重复计算了很多次，而动态规划则具有记忆性，通过填写表把所有已经解决的子问题答案记录下来，在新问题里需要用到的子问题可以直接提取，避免了重复计算，从而节约了时间，所以在问题满足最优性原理之后，用动态规划解决问题的核心就在于填表，表填写完毕，最优解也就找到。

所以最关键的地方在于如何填表：
填表过程描述

解决方法1：二维数组

#include <iostream>
using namespace std;

int main()
{
  // 定义包的容量和物品数量N
  int bag_capcity, N;
  // 定义物品的重量和价值
  int w[1010], v[1010];
  // 定义动规表
  int dp[1010][1010];
  cin >> bag_capcity >> N;
  int i, j;
  for(i=1; i<=N; i++)
  {
    cin >> w[i] >> v[i];
  }
  // 循环填充动规表--N+1行，bag_capacity+1列
  // 循环内通过两个条件判断，对该元素赋值
  // 元素值：dp[i][j]：i是前i个物品最佳组合对应的价值；j是当前背包的容量
  for(i=1; i<=N; i++)
  {
    for(j=1; j<=bag_capcity; j++)
    {
      // 判断当前物品重量是否超过包容量
      // 如果超过，则不装入该物品：dp[i][j] = dp[i-1][j] 当前背包价值等于该物品之前的价值，容量不变。
      if(j < w[i])
      {
        dp[i][j] = dp[i-1][j];
      }
      // 如果没有超过，则判断装与不装的价值对比，选择最大价值：dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])
      else
      {
        dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]);
      }
    }
  }
  cout << dp[N][bag_capcity] << endl;
  return 0;
}

解决方法2：一维数组

#include <iostream>
using namespace std;

// 定义物品的重量和价值
int w[1010], v[1010];
// 定义动规表
int dp[1010];
int main()
{
  // 定义包的容量和物品数量N
  int bag_capcity, N;
  int i, j;
  cin >> bag_capcity >> N;
  for(i=1; i<=N; i++)
  {
    cin >> w[i] >> v[i];
  }
  for(i=1; i<=N; i++)
  {
    for(j=bag_capcity; j>=w[i]; j--)
    {
        dp[j] = max(dp[j], dp[j-w[i]] + v[i]);
    }
  }
  cout << dp[bag_capcity] << endl;
  return 0;
}