1.可回溯的二维数组
对于有限数量的物品,可用建立dp[i][j]二维数组的方式,这里dp[i][j]表示当前背包容量为j且有i个物品的时候的最大价值,这种方法优点在于可以通过回溯找到每个物品是否放入,缺点是和滚动优化相比占用更多空间。
递推关系式:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + p[i])
例题:
动态规划解决0/1背包问题
现有n种物品,对1<=i<=n,第i种物品的重量为正整数wi,价值为正整数pi,背包能承受的最大载重量为正整数M,要求找出这n种物品的一个子集,使得子集中物品的总重量不超过M且总价值尽量大。0/1背包问题要求物品或者整件装入背包中,或者根本不装入(即不能装入物品的一部分),所以xi限定只能取值0或1。
输入格式:
第1行是M和n,表示背包容量为M且有n件物品;
第2行是这n件物品的重量wi;
第3行是各物品的价值pi,背包容量和物品重量都为整数。
输出格式:
第1行是所选物品的价值之和,以及重量之和;
第2行是各物品装入背包的量,即xi值。
输入样例1:
6 3
2 3 4
1 2 5
输出样例1:
6 6
1 0 1
输入样例2:
100 10
13 2 10 50 1 28 37 32 30 46
12 23 37 45 19 11 25 9 14 18
输出样例2:
149 100
0 1 1 1 1 0 1 0 0 0
答案代码:
#include<iostream>
using namespace std;
int max(int a, int b) {
if (a > b)
return a;
else return b;
}
int w[10000];
int p[10000];
int dp[10000][10000] = { 0 };
int x[10000]; //表示物品i为0或者1
int M, n;
int endM=0; //计算总重量
void DP() {
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= M; j++) {
if (j < w[i]) //当前容量过小,故选择不放
dp[i][j] = dp[i - 1][j];
else //选择放入的情况
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + p[i]);
}
}
}
void Find(int i, int j) { //回溯查找路径
if (i >= 0) {
if (dp[i][j] == dp[i - 1][j]) {
x[i] = 0;
Find(i - 1, j);
}
else if (j - w[i] >= 0 && dp[i][j] == dp[i - 1][j - w[i]] + p[i]) {
x[i] = 1;
endM=endM+w[i];
Find(i - 1, j - w[i]);
}
}
}
int main()
{
cin >> M >> n;
for (int i = 1; i <= n; i++)
{
cin >> w[i];
}
for (int i = 1; i <= n; i++)
{
cin >> p[i];
}
DP();
Find(n, M);
cout<<dp[n][M]<<" "<<endM<<endl;
for(int i=1;i<n;i++){
cout<<x[i]<<" ";
}
cout<<x[n];
return 0;
}
2.不可回溯的滚动优化
滚动优化的方法用一维数组节省了二维数组的空间,dp[j]表示当前背包容量为j时的最大价值,需要注意的是每次遍历j需要倒序遍历到w[i],倒序是为了防止之前的数据被覆盖过,减到w[i]是因为j<w[i]时什么也放不下,所以无需讨论。
递推关系式:dp[j]=max(dp[j],dp[j-w[i]]+p[i])
对于以上例题可用下面这种方法求最大价值:
#include<iostream>
using namespace std;
int M;
int dp[2000];
int n,w[2000],p[2000];
int main(){
cin>>M>>n;
for(int i=1;i<=n;i++){
cin>>w[i];
}
for(int i=1;i<=n;i++){
cin>>p[i];
}
for(int i=1;i<=n;i++){
for(int j=M;j>=w[i];j--){ //这里要倒序遍历以避免覆盖之前的数据
dp[j]=max(dp[j],dp[j-w[i]]+p[i]);
}
}
cout<<dp[M];
return 0;
}