0-1背包问题

问题描述：

0-1背包问题：

T给定n中物品和一背包。物品i的重量是Wi，其价值为Vi，背包的容量为C,问：应该如何选择装入背包的物品，使得装入背包中物品的总价值最大？
在选择装入背包的物品时，对每种物品i只有两种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i（这里意思是不能将一个物品切开，装入一点）。因此，该问题称为0-1背包问题。

问题分析

可以考虑用动态规划的思想来分析这个问题，下面先清楚一下什么是动态规划吧~

动态规划

基本思想：动态规划是针对一类求解最优解的问题的算法，其核心是将一个问题分解成为若干个子问题，部分类似于分治的思想，通过求解每一次的最优决策，来得到一个最优解。在这里最重要的就是子问题的思想。

常用解题步骤：
①确定子问题
②确定状态
③推导出状态转移方程
④确定边界条件
⑤确定实现方式
⑥确定优化方法

0-1背包

我们可以用m(i，j)表示将后i个物品放入背包时，得到的最大价值。//i表示放入从i到n的物品，//j表示背包所能容纳的重量。假如现在要求将i个物品放入背包的最大价值，此时我们有两种选择
①、不放入第n个物品，此时总价值m(i+1,j)
②、放入第n个物品，此时总价值为m(i+1,j-Wi)+Vi

代码实现

#include<iostream>
using namespace std;

int Knapsack(int* W, int* V, int i, int j,int n)//i代表从i到n的物品可供选择//j代表背包所能承受的重量//n代表一共有n个物品
{
	if (i == n)
	{
		return j >= W[i] ? V[i] : 0;
	}
	else
	{
		if (j < W[i])
		{
			return Knapsack(W, V, i + 1, j, n);
		}
		else
		{
			return max(Knapsack(W, V, i + 1, j, n), Knapsack(W, V, i + 1, j - W[i], n) + V[i]);
		}
	}
}

int main()
{
	const int n = 5;
	const int c = 10;
	int W[n + 1] = { 0,2,2,6,5,4 };
	int V[n + 1] = { 0,6,3,5,4,6 };

	int X[n + 1] = { 0,0,0,0,0,0 };
	
	int maxv = Knapsack(W, V, 1, c, n);
	cout << maxv << endl;
	return 0;
}