动态规划思想(如果只看题解,直接跳过这部分):
动态规划的核心思想是构造原问题最优解和子问题最优解之间的关系,即找出状态递推方程。也可以理解为寻找最优子结构。
动态规划一般求解步骤:
自底向上的顺序进行求解,或者说从易至难的顺序:先计算规模比较小或者说比较容易求解的子问题,并且把子问题的答案保存在状态数组中,规模比较大的或者说比较困难的子问题的答案则由已求解子问题的答案构造得到。
01背包问题:
思路:
1、先构造一张记录状态的表,即创建一个二维数组v[][],第一维是当前考虑的物品序号,第二维度是背包容量,v[i][j]表示物品件数为i,背包容量为j时的最优解。
2、然后填充表,很明显,当物品件数为0,或者背包容量为0时,商品价值为0(因为装不了任何物品)。
3、当考虑第i件物品时,有装或者不装两种选择,按一下条件进行选择。
若背包容量小于当前物品重量,当前物品不加入背包。
若背包容量不小于当前物品重量,可以放入也可以不放入。所以需要比较。当前背包容量记为j,当前物品重量记为wi[i],若放入则总价值为当前商品价值和v[i-1][j - wi[i]](前i - 1件物品在背包容量为j - wi[i]时的最大价值,此时表中已有此数据)。若不放入,则价值为v[i - 1][j],比较两者,最大值就是v[i][j]。
代码如下:
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int max(int a, int b)
{
return a > b ? a : b;
}
int main() {
int n;//商品数
int c;//背包容量
cin >> n;
cin >> c;
vector<int > vi(n + 1);
vector<int > wi(n + 1);
for (int i = 1; i < n + 1; i++)
{
cin >> wi[i];
}
for (int i = 1; i < n + 1; i++)
{
cin >> vi[i];
}
vector<vector<int> > v(n + 1);//v[i][c]表示考虑到第i件商品,背包容量为c时的最优解
for (int i = 0; i < n + 1; i++)
{
v[i].resize(c + 1);
}
for (int i = 0; i < c + 1; i++)
{
v[0][i] = 0;//考虑第0件商品时,价值为0
}
for (int i = 1; i < n + 1; i++)//第i件商品
{
v[i][0] = 0;//背包容量为0时,价值为0
for (int j = 1; j < c + 1; j++)//背包容量为j时的最优解
{
if (j < wi[i])
v[i][j] = v[i - 1][j];
else
{
v[i][j] = max(v[i -1][j], v[i - 1][j - wi[i]] + vi[i]);
}
}
}
cout << v[n][c] << endl;
return 0;
}
测试用例和结果:
时间复杂度分析:O(nc),n为物品数,c为背包容量。
优化:待续。。。