一、概念定义
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 件物品的体积是 v i,价值是 w i。
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。
用下面这个图来分别动态规划的四个经典背包问题
二.如何判断一个题目能否采用动态规划算法
1. 根据数据范围,根据yxc给出的由数据范围反推算法的模板
2. 根据动态规划的特殊定义
问题可以划分为多个子问题,并且子问题之间存在重叠;
求解问题的最优解时,需要考虑之前所做的决策;
三.动态规划的核心步骤
定义状态的含义(这一步需要一定的做题经验的积累)
状态的转化,建立前后状态的等式关系(一般通过最后一步的分类讨论来进行状态计算)
精准定义初始值
四.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 件物品的体积是 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 vi,wi,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
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
五.思路分析
根据上述的动态规划的步骤我们一步一步来思考:
定义状态的含义
f【i,j】:从前i个物品中选,且最大体积不超过j的选法的集合
状态计算
既然是从前i个物品当中选, 最后一步一定是决定 选不选第i个物品
a. 选取第i个物品=====>f【i,j】= f【i - 1,j - v【i】】+ w【i】
b.不选取第i个物品=====>f【i,j】= f【i - 1,j】
精准定义初始值
这里的初值都是0,没必要修改。但是有些题目的初值是比较重要的。
比如青蛙跳级题目 剑指 Offer 10- II. 青蛙跳台阶问题 - 力扣(LeetCode)
六:万年无误代码模板(含思路解析)
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1010;
int n, m;
int v[N], w[N];
int f[N][N];
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];
for (int i = 1; i <= n; i ++ )
for (int j = 0; j <= m; j ++ )
{
f[i][j] = f[i-1][j]; // 由于j不一定大于等于当前第i个物品,因此必须先把不选第i个物品的情况赋值给f【i,j】
if (j >= v[i]) // 背包所能容纳的最大体积大于等于当前第i个物品,才有选择或者不选的权利
{
f[i][j] = max(f[i-1][j] , f[i-1][j-v[i]] + w [i]); // 从两种情况选择大的
}
}
cout << f[n][m] << endl; // 答案就是输出从前n个物品中,总体积不超过m的最大价值
return 0;
}
也可以利用滚动数组的思想优化成一维数组,减少空间
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1010;
int n, m;
int v[N], w[N];
int f[N];
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];
for (int i = 1; i <= n; i ++ )
for (int j = m; j >= v[i]; j -- )
f[j] = max(f[j], f[j - v[i]] + w[i]);
cout << f[m] << endl;
return 0;
}
创作不易,建议 点赞+收藏+关注,以免找不到宝贝文章了。