动态规划——背包问题

一、0—1背包问题

1.问题描述
有编号为0,1,2,…,n-1的n个物品，每个物品只有1个，价值分别为v1,v2,…,v(n-1)，重量分别为w1,w2,…,w(n-1)。现有一个最大承重为c的背包，求用这个背包最大能装多大价值的物品。

2.问题解决
这是一个典型的动态规划的题目，关键是要找出递推关系式。
用max(i, j)表示当前物品为i，物品总重量为j时的最大价值。
由于每个物品只有一个，因此对于第i个物品，只有两种情况：拿或者不拿。
如果不拿：则max(i, j)=max(i-1, j)
如果拿：则max(i, j)=max(i-1, j-wi)+vi
求最大价值，我们取二者的最大值。

因此，递推关系式为：
（1）当wi<j时，max(i, j)=Max{ max(i-1, j), max(i-1, j-wi)+vi }。
（2）当wi>j时，max(i, j)=max(i-1, j)。
初始值max(i, 0)=0。

3.代码实现

int Max(int a,int b)
{
    return a>b?a:b;
}

int maxValue(int n,int c,vector<int>& weight,vector<int>& value)
{
    //设置一个n行c+1列的二维数组，max[i][j]表示当前礼物为i，容量为j时的最大价值
    vector<vector<int>> max(n,vector<c+1));

    for(int i=0;i<n;i++)
        max[i][0]=0;//容量为0时，价值为0
    for(int i=1;i<=c;i++)
    {
        if(i>=weight[0])//编号为0的物品可拿
            max[0][i]=value[0];
        else//编号为0的物品在容量为c时不可拿
            max[0][i]=0;
    }

    for(int i=1;i<n;i++)//从编号为1的礼物开始（编号为0的礼物在上面初始化中已经计算出来了)
    {
        for(int j=1;j<=c;j++)
        {
            if(weight[i]>j)
                max[i][j]=max[i-1][j]//第i个物品不能拿
            else
                max[i][j]=Max(max[i-1][j],max[i-1][j-weight[i]]+value[i]);
        }
    }
    return max[n-1][c];
}

二、完全背包问题

1.问题描述
完全背包问题中每个物品都有无数件，其余描述和0–1背包相同。

2.问题解决
相比较0–1背包问题，递推关系式只需要稍稍改变一下：
（1）当wi<j时：max(i, j)=Max{ max(i-1, j), max(i-1, j-wik)+vik }。
（2）当wi>j时，max(i, j)=max(i-1, j)。
当然，这个关系式并不严谨，但是容易理解。实际上当wi<j时，我们要求出k从0到j/wi的这些情况下的最大值。

3.代码实现

int maxValue(int n,int c,vector<int>& weight,vector<int>& value)
{
     vector<vector<int>> max(n,vector<int>(c+1));

    for(int i=0;i<n;i++)
        max[i][0]=0;//容量为0，价值为0
    for(int i=1;i<=c;i++)
    {
        if(i>=weight[0])
            max[0][i]=value[0]*(i/weight[0]);
        else
            max[0][i]=0;
    }

    for(int i=1;i<n;i++)
    {
        for(int j=1;j<=c;j++)
        {
            if(weight[i]>j)//装不下
                max[i][j]=ma[i-1][j];
            else
            {
                int temp=max[i-1][j];//temp存储最大值
                int k=1;
                while(j-weight[i]*k>=0)
                {
                    if(temp<max[i-1][j-weight[i]*k]+value[i]*k)
                        temp=max[i-1][j-weight[i]*k]+value[i]*k);
                    k++;
                }
                max[i][j]=temp;
            }
        }
    }
    return max[n-1][c];
}