问题描述
现有价值为
v
i
v_i
vi、重量为
w
i
w_i
wi的N个物品以及容量为W的背包。请根据下述条件选择物品装入背包:
所选物品的总价值尽可能高
所选物品的总重量不超过W。
输入:
第1行输入2个整数N、W,用空格隔开。接下来N行输入第 i 个物品的价值
v
i
v_i
vi与重量
w
i
w_i
wi,每个物品占1行,相邻数组之间用空格隔开。
输出:
输出总价值的最大值,占1行。
限制:
1 ≤ N ≤ 100
1 ≤
v
i
v_i
vi ≤ 1000
1 ≤
w
i
w_i
wi ≤ 1000
1 ≤ W ≤ 10000
输入示例
4 5
4 2
5 2
2 1
8 3
输出示例
13
讲解
这道题就是各个物品选与不选的组合,因此被称为0-1背包问题。如果检查N个物品所有选与不选的组合,复杂度为 O ( 2 N ) O(2^N) O(2N)。
如果物品的大小w以及背包大小W均为整数,则0-1背包问题可以用动态规划法以 O ( N W ) O(NW) O(NW)的效率求出严密解
先准备下列变量:
items[N+1]:一维数组,item[i].v、item[i].w分别记录第 i 个物品的价值和重量
C[N+1][W+1]:二维数组,C[i][w]表示前 i 个物品装入容量为w的背包时总价值的最大值
i 表示将前 i 个物品纳入考量范围,我们逐渐增加各个 i 对应的背包重量w,一步步更新C[i][w]。C[i][w]的值为下述二者中较大的一个:
1.C[i-1][w-物品 i 的重量] + 物品 i 的价值
2.C[i-1][w]
其中第1个表示当前选择物品 i 的情况,第2个表示当前不选择物品 i 的情况。另外,第1个的前提是物品 i 的重量不超过w。
只要将物品的选择情况记录在数组G[i][w]中,我们便可以还原最优解的物品组合了。例,当物品 i 被选择时,我们在G[i][w]中记录DIAGONAL,未被选择则记录TOP,这样一来我们就能寻找所选物品了
用动态规划法求解背包问题的算法如下,复杂度 O ( n m ) O(nm) O(nm)。
用动态规划法求解0-1背包问题:
knapsack()
//初始化C和G
for i = 1 to N
for w = 1 to N
if items[i].w <= w
if items[i].v + C[i-1][w-items[i].w] > c[i-1][w]
C[i][w] = items[i].v + C[i-1][w-items[i].w]
G[i][w] = DIAGONAL //选择物品 i
esle
C[i][w] = C[i-1][w]
G[i][w] = TOP //不选择物品 i
else
C[i][w] = C[i-1][w]
G[i][w] = TOP //不能选择物品
AC代码如下
#include<iostream>
#include<vector>
#include<algorithm>
#define NMAX 105
#define WMAX 10005
#define DIAGONAL 1
#define TOP 0
using namespace std;
struct Item {
int value, weight;
};
int N, W;
Item items[NMAX+1];
int C[NMAX+1][WMAX+1], G[NMAX+1][WMAX+1];
void compute(int &maxValue, vector<int> &selection) {
for(int w = 0; w <= W; w++) {
C[0][w] = 0;
G[0][w] = DIAGONAL;
}
for(int i = 1; i <= N; i++) C[i][0] = 0;
for(int i = 1; i <= N; i++) {
for(int w = 1; w <= W; w++) {
C[i][w] = C[i-1][w];
G[i][w] = TOP;
if(items[i].weight > w) continue;
if(items[i].value + C[i-1][w-items[i].weight] > C[i-1][w] ) {
C[i][w] = items[i].value + C[i-1][w-items[i].weight];
G[i][w] = DIAGONAL;
}
}
}
maxValue = C[N][W];
selection.clear();
for(int i = N, w = W; i >= 1; i--) {
if(G[i][w] == DIAGONAL) {
selection.push_back(i);
w -= items[i].weight;
}
}
reverse(selection.begin(), selection.end());
}
void input() {
cin>>N>>W;
for(int i = 1; i <= N; i++) {
cin>>items[i].value>>items[i].weight;
}
}
int main(){
int maxValue;
vector<int> selection;
input();
compute(maxValue, selection);
cout<<maxValue<<endl;
return 0;
}