题目描述
给一个能承重V的背包,和n件物品,我们用重量和价值的二元组来表示一个物品,第i件物品表示为(Vi,Wi),问:在背包不超重的情况下,得到物品的最大价值是多少?
输入
第一行输入两个数 V,n,分别代表背包的最大承重和物品数。
接下来n行,每行两个数Vi,Wi,分别代表第i件物品的重量和价值。
(Vi≤V≤10000,n≤100,Wi≤1000000)
输出
输出一个整数,代表在背包不超重情况下所装物品的最大价值。
解题思路
这一题就是经典的动态规划,基本上动态规划入门第一个要掌握的就是它啦。
首先做动态规划我们要知道设计动态规划的核心思想就是容斥原理,啥意思呢,就是把一个问题的解看成一个集合,然后呢,分析他这个集合有多少个互不相交的子集,由于这个集合以及子集都是自己定义的,所以我们要尽量把集合和子集表达的清晰简单一点,这样也能方便我们做题写代码。
比如这个背包问题,对于每一件物件,我们只有选择【装进去】或者【不装进去】,所以问题就转化成了->装进去和不装进去,这俩状态怎么表示,
首先我们先讨论不装进去的情况,因为这个最简单,如果一件物品,他不装到背包里,那么它此时的状态和上一个装入背包的状态是一样的,
我们再来讨论装进去的时候,如果我们选择把物品装进背包,我们首先要考虑的一个限制条件就是:背包还能不能装得下这个物品,如果装不下这个物品,那么我们只能选择不装这个物品,如果装得下的话,那么他的状态应该时什么样子呢?想一下,在没装这个物品之前,背包的容量应该是多少?假设装进去之后背包容量还剩j,那么很显然,没装进去之前我们的背包容量应该是j减去这个物品的体积,而如果装进去之前的背包内物品总价值时w,那么装进去之后价值就是w加上这个物品的价值。
这样我们可以设立状态规划的数组: dp[i][j],表示对于第i个物品来说,背包容量为j的时候,最大价值是多少,这样我们就得到了递推方程:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
解题代码
优化前
#include<bits/stdc++.h>
using namespace std;
const int MAXV = 1e5 + 5, MAXN = 1e2 + 5;
int dp[MAXN][MAXV];
int v[MAXN], w[MAXN];
int n, V;
int main() {
cin >> V >> n;
for (int i = 1; i <= n; i++) {
scanf("%d%d", v + i, w + i);
}
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if (j < v[i]) continue;
dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);
}
}
cout << dp[n][V] << endl;
return 0;
}
优化后
其实在这里dp数组可以简化成一个第一维大小为2的滚动数组,为什么呢?因为对于dp[i][j] 来讲,能改变它的值的只有dp[i - 1],所以说我们可以稍微改一下,像这样:
#include<bits/stdc++.h>
using namespace std;
const int MAXV = 1e5 + 5, MAXN = 1e2 + 5;
int dp[2][MAXV];
int v[MAXN], w[MAXN];
int n, V;
int main() {
cin >> V >> n;
for (int i = 1; i <= n; i++) {
scanf("%d%d", v + i, w + i);
}
for (int i = 1; i <= n; i++) {
int ind = i % 2, rind = (i + 1) % 2;
for (int j = 1; j <= V; j++) {
dp[ind][j] = dp[rind][j];
if (j < v[i]) continue;
dp[ind][j] = max(dp[ind][j], dp[rind][j - v[i]] + w[i]);
}
}
cout << dp[1][V] << endl;
return 0;
}