前言
动态规划一直是算法内容里比较优美的解决方法,他是一种思想。
一、问题导入
二、问题分析
前面我们了解了,01背包的问题,当时的思想是,对于第i个物品的考虑情况,分为二个集合,选第i个物品和不选第i个物品,二种情况。且每种物品只能用一次。
__完全背包__问题中物品为无限个,也就是对于第i个物品可以选n个(0<=n)。
1.朴素做法
#include<iostream>
using namespace std;
const int N = 1010;
int f[N][N];
int v[N],w[N];
int main()
{
int n,m;
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++)
{
for(int k = 0 ; k*v[i]<=j ; k++)
f[i][j] = max(f[i][j],f[i-1][j-k*v[i]]+k*w[i]);
}
cout<<f[n][m]<<endl;
}
2.柿子简化+一维优化
已知:
f[i , j ] = max( f[i-1,j] , f[i-1,j-v]+w , f[i-1,j-2v]+2w , f[i-1,j-3v]+3w , …)
令j=j-v:
f[i , j-v]= max( f[i-1,j-v] , f[i-1,j-2v] + w , f[i-1,j-2v]+2*w , …)
由上两式,可得出如下递推关系:
== f[i , j ]=max(f[i-1,j],f[i,j-v]+w)==
在01背包中我们进行过1位优化,同样,这里也可以进行等价变形,做优化。
观察 f[i , j ]=max(f[i-1,j],f[i,j-v]+w), f[i , j ]由f[i-1,j]以及f[i,j-v]+w递推而来,若改成一维的话,i是当前状态数组,i-1是上一层状态。
故,状态转移方程为:f[j] = max(f[j],f[j-v[i]]+w[i]);,并且i循环从小到大。(f【i,j】状态由当前i一维数组状态更新)
#include <iostream>
using namespace std;
const int N=1010;
int f[N];//用于记录状态的滚动数组
int v[N],w[N];//每类物品的体积和价值
int main()
{
int n,m;//物品种类和背包容量
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=v[i];j<=m;j++)//由小到大循环,
f[j]=max(f[j],f[j-v[i]]+w[i]);
cout<<f[m];
return 0;
}