01背包:有n种物品与承重为m的背包。每种物品只有一件,每个物品都有对应的重量weight[i]与价值value[i],求解如何装包使得价值最大。
dp(i,v)表示前i个物体(包括第i个)面对容量为v的背包的最大价值,c[i]代表物体i的重量,w[i]代表物体i的价值;如果第i个物体不放入背包,则背包的最大价值等于前i-1个物体面对容量v的最大价值;如果第i个物体选择放入,则背包的最大价值等于前i-1个物体面对容量v-cost[i]的最大价值加上物体i的价值w[i]。
对于实现,一般采用一个二维数组(状态转移矩阵)dp[i][j]来记录各个子问题的最优状态,其中dp[i][j]表示前i个物体面对容量j背包的最大价值。
下面给出0-1背包的基本实现,时间复杂度为O(N*V),空间复杂度也为O(N*V)
#include<bits/stdc++.h>
using namespace std;
int dp[1005][1005];
int weight[1005];
int value[1005];
int main()
{
int n,m;
cin>>m>>n;
memset(dp,0,sizeof(dp));//数组清空,其实同时就把边界给做了清理
for(int i=1; i<=n; i++)
cin>>weight[i]>>value[i];
//从1开始有讲究的因为涉及到dp[i-1][j],从0开始会越界
for(int i=1; i<=n; i++)//判断每个物品能否放进
{
for(int j=0; j<=m; j++)//对每个状态进行判断
//这边两重for都可以倒着写,只是需要处理最边界的情况,滚动数组不一样
{
if(j>=weight[i])//能放进
dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
else dp[i][j]=dp[i-1][j];//不能放进
}
}
cout<<dp[n][m]<<endl;
return 0;
}
运行情况用二维的表来看:
name weight value 1 2 3 4 5 6 7 8 9 10
a 4 6 0 0 0 6 6 6 6 6 6 6b 5 4 0 0 0 6 6 6 6 6 10 10
c 6 5 0 0 0 6 6 6 6 6 10 11
d 2 3 0 3 3 6 6 9 9 9 10 11
e 2 6 0 6 6 9 9 12 12 15 15 15
优化:
for(i=1;i<=n;i++)
{
for(j=v;j>=1;j--)
{
dp[j]=max(dp[j],dp[j-c[i]]+w[i]);
}
}
其执行过程也是上述的二维表:
name weight value 1 2 3 4 5 6 7 8 9 10
a 4 6 0 0 0 6 6 6 6 6 6 6b 5 4 0 0 0 6 6 6 6 6 10 10
c 6 5 0 0 0 6 6 6 6 6 10 11
d 2 3 0 3 3 6 6 9 9 9 10 11
e 2 6 0 6 6 9 9 12 12 15 15 15
初始化:
1.没要求恰好装满memset(dp,0,sizeof(dp))
2.恰好装满:dp[0]=0;dp[其他]=负无穷