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];
}