解题思路
- 首先将本问题转化成一个填表问题,利用公式填写,dp[i][j]数组的含义是,从i i+1 i+2 ……n 这些物品当中,容量为j时的背包装物品最大的价值。
首先确定边界,dp[n][1~W],表示处理的第n个物品背包的最大价值。
当第n个物品重量w[n]大于背包总容量的时候,背包一定装不下这个物品,背包价值为0 。
同理,如果第n个物品重量w[n]小于背包总重量的时候,背包一定要装下这个物品,为实现价值最大,此时dp[n][j~W]=v[n]
- 处理第n个物品完成后,继续填写后面的表格,不难得出动态规划转移方程是:
i 表示处理i~n的这些物品,j 表示背包的容量
解释:
如果第i个物品装不进这个背包当中,就是当w[i]>j时,一定放不进背包,则p[i][j]=p[i+1][j]
如果重量允许,放到背包里会出现两种情况,①放入。背包重量减少,价值增加。②不放入,因为之前存放方式的价值更大。
在这两种情况中,去最大值,即可得到动态规划方程:dp[i][j] = max(dp[i + 1][j], dp[i + 1][j - w[i]] + v[i])
表格:
代码实现
- 第一个for循环是处理第n个物品的放置情况。
- 第二个for循环,当物品不可以放入时,等于上一个物品的价值。可以放入时,取价值最大。
#include<iostream>
#include<iomanip>
#include<algorithm>
using namespace std;
const int NUM = 105;
int w[NUM];
int v[NUM];
int dp[NUM][NUM];
int knapsack(int n, int c)
{
for (int i = 1; i <= c; ++i) // 只考虑第n件物品,填表第n行
{
if (i >= w[n])
{
dp[n][i] = v[n];
}
}
for (int i = n - 1; i >= 1; --i)
{
for (int j = 0; j < w[i]; ++j)
{
dp[i][j] = dp[i + 1][j];
}
for (int j = w[i]; j <= c; ++j)
{
dp[i][j] = max(dp[i + 1][j], dp[i + 1][j - w[i]] + v[i]);
}
}
return dp[1][c];
}
int main()
{
int n, c;
cin >> n >> c;
for (int i = 1; i <= n; ++i)
{
cin >> w[i] >> v[i];
}
cout << knapsack(n, c) << endl;
return 0;
}
/*
4 5
2 12
1 10
3 20
2 15
37
*/