题目介绍
有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
1. 暴力递归
和01背包一样,只不过是多了一个循环,因为01背包对一个物品最多只要求取一次,而完全背包可以取N次
int dp[60][60];
int maxPrix(vector<int>& W, vector<int>& V, int C, int i)
{
if (i == W.size()) return 0;
int rs = 0;
for (int n = 0; n * W[i] <= C; n++)
{
int nextC = C - n * W[i];
int sumV = n * V[i];
rs = max(rs, maxPrix(W, V, nextC, i + 1) + sumV);
}
return rs;
}
2. 记忆化搜索
缓存每个已经计算的状态
int dp[60][60];
int maxPrix(vector<int>& W, vector<int>& V, int C, int i)
{
if (dp[i][C] >= 0) return dp[i][C];
if (i == W.size()) return 0;
int rs = 0;
for (int n = 0; n * W[i] <= C; n++)
{
int nextC = C - n * W[i];
int sumV = n * V[i];
/*if (dp[i][nextC] >= 0) rs = max(rs, dp[i][nextC]);*/ // 这里不能做记忆化,因为下面的状态有多个
/*rs = max(rs, max(maxPrix(W, V, nextC, i + 1) + sumV, maxPrix(W, V, C, i + 1)));*/
// 上面一行的代码等效下面这行代码
rs = max(rs, maxPrix(W, V, nextC, i + 1) + sumV);
}
dp[i][C] = rs;
return rs;
}
3. 动态规划
根据递归函数改成动态规划,基本没啥区别,直接写,题目都不用看了
// 2. 改动态规划
int binBackpack1(vector<int>& W, vector<int>& V, int C)
{
int n = W.size();
vector<vector<int>> maxpix(n + 1, vector<int>(C + 1, 0)); // maxpix[i][j]表示物品为i背包剩余容量为j时的最大价值
for (int i = 1; i <= n; i++) // 物品
{
for (int j = 1; j <= C; j++) // 背包容量
{
for (int n = 0; n * W[i - 1] <= j; n++)
{
int nextC = j - n * W[i - 1];
int sumV = n * V[i - 1];
// maxpix[i][j] = max(maxpix[i][j], max(maxpix[i - 1][nextC] + sumV, maxpix[i - 1][j]));
maxpix[i][j] = max(maxpix[i][j], maxpix[i - 1][nextC] + sumV); // 当n==0时会计算maxpix[i - 1][j]
}
}
}
return maxpix[n][C];
}
4. 时间优化
这里需要注意,很多人才开始学的时候在这里卡了很久,我们先来试着看下时间优化后的代码,见他理解一遍,没看懂也没关系,下面我们通过画图的方式来说明一下他是怎么来的。
int binBackpack2(vector<int>& W, vector<int>& V, int C)
{
int n = W.size();
vector<vector<int>> maxpix(n + 1, vector<int>(C + 1, 0)); // maxpix[i][j]表示物品为i背包剩余容量为j时的最大价值
for (int i = 1; i <= n; i++) // 物品
{
for (int j = 1; j <= C; j++) // 背包容量
{
if (W[i - 1] > j) maxpix[i][j] = maxpix[i - 1][j];
else maxpix[i][j] = max(maxpix[i][j - W[i - 1]] + V[i - 1], maxpix[i - 1][j]);
}
}
return maxpix[n][C];
}
首先尝试在第三不改成动态的规划的时候用手在纸上推导一遍,在推的过程中你会发现这样一个方程:
maxpix[i][j] = max(maxpix[i][j-W[i-1]]+V[i-1], maxpix[i-1][j])
解释:当前状态由上一个容量为j的物品和当前物品容量为j-W[i-1] + V[i]
的物品在两者之间取最大值转移过来。
这个过程一定要在纸上推导一遍,不然很难理解
5. 空间优化
空间优化和01背包一样,只不过这里遍历的顺序和01背包相反
Q:但是为什么要按这样的顺序遍历呢?
A:因为当前状态计算的结果正好是下一个状态参考的依据,如果从后往前遍历的话由于是1维数组,当前状态需要的其它状态都还没有更新,故然会影响计算结果。
注: 如果不理解的可以取看下之前写得01背包问题(戳这里)
int binBackpack(vector<int>& W, vector<int>& V, int C)
{
int n = W.size();
vector<int> maxpix(C + 1, 0);
for (int i = 1; i <= n; i++) // 物品
{
for (int j = 1; j <= C; j++) // 背包容量
{
//if (W[i - 1] > j) maxpix[j] = maxpix[j];
//else maxpix[j] = max(maxpix[j - W[i - 1]] + V[i - 1], maxpix[j]);
// 等效下面的代码
if(W[i-1] <= j) maxpix[j] = max(maxpix[j - W[i - 1]] + V[i - 1], maxpix[j]);
}
}
return maxpix[C];
}