蓝桥303求解01背包问题

最新推荐文章于 2024-07-12 18:02:43 发布

星光小鼠

最新推荐文章于 2024-07-12 18:02:43 发布

阅读量613

点赞数 21

分类专栏：个人算法提高文章标签：算法

本文链接：https://blog.csdn.net/m0_49844997/article/details/140190682

版权

个人算法提高专栏收录该内容

3 篇文章 0 订阅

订阅专栏

题目描述

求解 01 背包问题

题目描述
实现一个算法求解 01 背包问题。背包问题的介绍如下：
已知一个容量为 totalweight的背包，有不同重量不同价值的物品，问怎样在背包容量限制下达到利益最大化。
01 背包问题要求每个物品只有一个，可以选择放入或者不放入背包。

输入描述
第一行为两个数字 totalweight、N，均不超过 1000。
totalweight 含义见题干，N 为物品数量。

接下来 N 行，每行两个数字 Wi 、Vi，均不超过 1000。含义见题干。

输出描述
输出一行，为在背包容量限制下的最大化利益。

输入输出样例
示例
输入
8 5
3 4
5 5
1 2
2 1
2 3

输出
10

运行限制
最大运行时间：1s
最大运行内存: 256M

本题目代码

#include <iostream>  
#include <vector>  
#include <algorithm>  
  
using namespace std;  
  
int main() {  
    int totalweight, N;  
    cin >> totalweight >> N;  
  
    vector<int> weights(N), values(N);  
    for (int i = 0; i < N; ++i) {  
        cin >> weights[i] >> values[i];  
    }  
  
    // 创建一个二维DP表，dp[i][j]表示从前i个物品中选择，在容量为j的背包中能达到的最大价值  
    vector<vector<int>> dp(N + 1, vector<int>(totalweight + 1, 0));  
  
    // 填充DP表  
    for (int i = 1; i <= N; ++i) {  
        for (int j = 1; j <= totalweight; ++j) {  
            if (weights[i - 1] <= j) {  
                // 如果当前物品可以放入背包，则比较放入和不放入两种情况下的最大价值  
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);  
            } else {  
                // 如果当前物品太重，不能放入背包，则继承前一个物品的结果  
                dp[i][j] = dp[i - 1][j];  
            }  
        }  
    }  
  
    // 输出最大价值，即dp[N][totalweight]  
    cout << dp[N][totalweight] << endl;  
  
    return 0;  
}

本题目代码解释

这个程序首先读取背包的总容量 totalweight 和物品的数量 N，然后读取每个物品的重量 Wi 和价值 Vi。接下来，它使用一个二维动态规划表 dp 来存储子问题的解，其中 dp[i][j] 表示从前 i 个物品中选择，在容量为 j 的背包中能达到的最大价值。

通过两层循环，程序填充了 dp 表。外层循环遍历每个物品，内层循环遍历所有可能的背包容量。对于每个物品和每个容量，程序检查是否可以将该物品放入背包中（即检查 weights[i - 1] <= j），如果可以，则比较放入和不放入该物品时的最大价值，并更新 dp[i][j]。如果物品太重无法放入背包，则继承前一个物品的结果。

最后，程序输出 dp[N][totalweight]，即在所有物品和背包容量限制下的最大化利益。

考研中的01背包问题

给定：

一个背包，其最大承重为 c。
一组物品，每个物品 i 有其重量 w[i] 和价值 v[i]。
每个物品只能选择装入或不装入背包。
目标：
在不超过背包最大承重 W 的前提下，选择装入背包的物品，使得背包中物品的总价值最大。

DP递推公式

m[i][j]表示的是在考虑前i个物品时，背包容量为j的情况下能达到的最大价值。

m[i][j]=0 i=0&j=0

m[i][j]=m[i-1][j] w[i]>j

m[i][j]=max(m[i−1][j],m[i−1][j−w[i−1]]+v[i−1]) w[i]<=j

这里，m[i-1][j]表示不选择第i个物品时，背包容量为j的最大价值；m[i-1][j-w[i-1]] + v[i-1]表示选择第i个物品时，背包容量为j的最大价值（这里假设第i个物品可以被放入背包，即j-w[i-1]非负）。我们通过比较这两种情况来决定是否选择第i个物品。

01背包代码

const int maxSize = 100;

int pack(int n, int c, int v[], int w[], int m[][maxSize]) {
    for (int i = 1; i <= n; i++)
        m[i][0] = 0;

    for (int i = 0; i <= c; i++)
        m[0][i] = 0;

    for (int i = 1; i <= n; i++)
        for (int j = 1; j <= c; j++) {
            if (w[i - 1] > j)
                m[i][j] = m[i - 1][j];
            else
                m[i][j] = std::max(m[i - 1][j], m[i - 1][j - w[i - 1]] + v[i - 1]);
        }

    return 0;
}



void traceBack(int n, int c, int w[], int m[][maxSize], int x[]) {
    for (int i = n; i >= 1; --i)
        if (m[i][c] == m[i - 1][c])
            x[i] = 0;
        else {
            x[i] = 1;
            c -= w[i];
        }
}

01背包DP表格

假设我们有4个物品，背包容量为5，物品的重量和价值分别如下：

物品1: 重量1，价值2
物品2: 重量2，价值3
物品3: 重量3，价值4
物品4: 重量4，价值5

	1	2	3	4	5
0	0	0	0	0	0
1	2	2	2	2	2	（选择物品1或不选）
2	2	3	3	5	5	（选择物品2或之前的选择）
3	2	3	4	5	7	（选择物品3或之前的选择）
4	2	3	4	5	9	（选择物品4或之前的选择）

表格的每一行代表考虑了某个数量的物品时的状态，每一列代表背包的不同容量。m[i][j]的值表示在考虑前i个物品且背包容量为j时能达到的最大价值。

第一行（i=0）和第一列（j=0）都初始化为0，因为没有任何物品或背包容量为0时，价值自然是0。
对于每一行（除了第一行），我们从左到右填充值。如果当前物品的重量大于背包的当前容量（w[i-1] > j），则不选择该物品，价值与前一行相同（m[i][j] = m[i-1][j]）。
否则，我们比较两种情况：不选择当前物品（m[i-1][j]）和选择当前物品（m[i-1][j-w[i-1]] + v[i-1]），并选择其中的较大值。

在上面的表格中，你可以看到：