背包问题是动态规划中的经典问题,而01背包问题又是背包问题的著名问题,总之初学动态规划,这个必须要熟练掌握。
01背包问题的大致意思:有n个重量、价值分别为w[i]、v[i]的物品,从这些物品中挑选出总质量不超过W的物品,求所有挑选方案中价值总和的最大值。
1.最朴素的办法,针对每个物品是否放入背包进行搜索试试看,代码如下:
int n;
int w[105];
int v[105];
//从第i个物品开始挑选总重不超过j的物品,注意物品的编号是从0到n-1
int rec(int i,int j)
{
int res;
if(i==n) res=0;//已经没有剩余物品
else{
if(j<w[i]){//无法挑选这个物品
res=rec(i+1,j);
}
else res=max(rec(i+1,j),rec(i+1,j-w[i])+v[i]);//挑选或者不挑选
}
return res;
}
rec(0,W)即为所求。
但是这个方法很费时间,原因:搜索的深度是n,每一步搜索都有两个分支(某一个物品选还是不选),最坏情况下时间复杂度是O(2^n),在n比较大时没法解决。很显然,这个方法用了递归,众所周知递归很费时间是因为递归重复计算了许多结果。因此采用记忆化搜索。(大致意思就是已经计算过的直接利用,可以省时间)
2.记忆化搜索
int n;
int w[105];
int v[105];
int dp[105][10005];
//从第i个物品开始挑选总重不超过j的物品,注意物品的编号是从0到n-1
int rec(int i,int j)
{
if(dp[i][j]>=0) return dp[i][j];
int res;
if(i==n) res=0;//已经没有剩余物品
else{
if(j<w[i]){//无法挑选这个物品
res=rec(i+1,j);
}
else res=max(rec(i+1,j),rec(i+1,j-w[i])+v[i]);//挑选或者不挑选
}
return dp[i][j]=res;
}
初始时,把dp全部置为-1,如果dp大于等于0说明已经算过,就不必再算,会省去一些不必要的时间浪费。
参数的组合最多为nW种,因此时间复杂度为O(nW)。
3.动态规划
二维数组dp[i][j]表示从第i个物品开始挑选总重不超过j的物品,显然有:
dp[n][j]=0;
dp[i][j]=dp[i+1][j],j<w[i]
dp[i][j]=max(dp[i+1][j],dp[i+1][j-w[i]]+v[i]),j>w[i]。
时间复杂度也为O(nW)。
代码如下:
int n,W;
int w[105];
int v[105];
int dp[105][10005];
//从第i个物品开始挑选总重不超过j的物品,注意物品的编号是从0到n-1
void solve()
{
for(int i=n-1;i>=0;i--){
for(int j=0;j<=W;j++){
if(j<w[i]) dp[i][j]=dp[i+1][j];
else dp[i][j]=max(dp[i+1][j],dp[i+1][j-w[i]]+v[i]);
}
}
cout<<dp[0][W]<<endl;
}
4.不断用一个数组就可以实现
void solve()
{
for(int i=0;i<n;i++){
for(int j=W;j>=w[i];j--){
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
}
cout<<dp[W]<<endl;
}