问题描述
有 n n n 件物品和一个容量为 V V V 的背包。第i件物品的体积是 v i v_i vi,价值是 c i c_i ci。求解将哪些物品装入背包可使这些物品的体积总和不超过背包容量,且价值总和最大。
数据规模
n
≤
1000
n \le 1000
n≤1000
1
≤
v
i
,
c
i
≤
100
1 \le v_i, c_i \le 100
1≤vi,ci≤100
V
≤
1000000
V \le 1000000
V≤1000000
样例输入
n
=
4
n = 4
n=4
(
v
,
c
)
=
{
(
2
,
3
)
,
(
1
,
2
)
,
(
3
,
4
)
,
(
2
,
2
)
}
(v, c) = \{ (2, 3), (1, 2), (3, 4), (2, 2) \}
(v,c)={(2,3),(1,2),(3,4),(2,2)}
V
=
5
V = 5
V=5
样例输出
7 7 7
问题求解
和前面的01背包不同,这里的题目的数据量增到了 n
由 100 增加到了 1000,V
由
1
0
4
10^4
104 增加到了
1
0
6
10^6
106,按照前面的求法算法的时间复杂度由
1
0
6
10^6
106 增加到了
1
0
9
10^9
109,显然对于 1 秒的时间限制,这个算法是不行的,怎么办呢?思考一下,先前的算法是规划体积,现在我们规划价值,所有物品的最大价值是
1000
×
100
1000 \times 100
1000×100,如果我们规划价值,那么算法的时间复杂度就是
1
0
8
10^8
108,可以应对这个数据量了。
使用 dp
数组,定义如下:
const int NUM = 1e5;
int dp[NUM / 100 + 50][NUM + 1];
主要代码是两层for循环
for (int i = 1; i <= n; ++i) {
for (int j = 1; j <= NUM; ++j) {
/*······
*/
}
}
首先怎么初始化 dp
数组呢?因为是求最小体积,所以 dp[0][i]
初始化为 1e9
(体积最大为
1
0
6
10^6
106),所以最大值为
1
0
9
10^9
109 可以满足要求。另一个需要初始化的是 dp[i][0]
,它表示的是价值为0时,需要的最小体积为0,所以还需要 dp[i][0]
初始化为0(如果 dp
是全局数组,dp[i][0]
默认是0),接下来就要找出状态转移方程:
显然有两种情况,对第i个物品,是选择放进背包,还是不放。
d
p
[
i
]
[
j
]
=
{
d
p
[
i
−
1
]
[
j
]
,
j < c[i]
min
(
d
p
[
i
−
1
]
[
j
]
,
d
p
[
i
]
[
j
−
c
[
i
]
]
+
v
[
i
]
)
,
j >= c[i]
dp[i][j] = \begin{cases} dp[i-1][j], & \text{j < c[i]} \\ \min(dp[i - 1][j],dp[i][j - c[i]] + v[i]), & \text{j >= c[i]} \end{cases}
dp[i][j]={dp[i−1][j],min(dp[i−1][j],dp[i][j−c[i]]+v[i]),j < c[i]j >= c[i]
最终对 dp
数组的第n行从 dp[n][NUM]
开始向dp[n][1]
,找出第一个体积小于等于 V
的位置,这个位置就是最大价值。
参照实例,我们按照状态转移方程得出如下表格:
i \ j | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | ·· |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 0 | INF | INF | INF | INF | INF | INF | INF | INF | INF | INF | INF | INF | ·· |
1 | 0 | INF | INF | 2 | INF | INF | INF | INF | INF | INF | INF | INF | INF | ·· |
2 | 0 | INF | 1 | 2 | INF | 3 | INF | INF | INF | INF | INF | INF | INF | ·· |
3 | 0 | INF | 1 | 2 | 3 | 3 | 4 | 5 | INF | 6 | INF | INF | INF | ·· |
4 | 0 | INF | 1 | 2 | 3 | 3 | 4 | 5(答案) | 6 | 7 | INF | 8 | INF | ·· |
实现代码如下:
#include <iostream>
#include <algorithm>
using namespace std;
const int NUM = 1e5;
const int INF = 1e9;
int dp[NUM / 100 + 50][NUM + 1];
int w[NUM];
int v[NUM];
int n;
int W;
int Vz = 0;
void init() {
dp[0][0] = 0;
for (int j = 1; j <= NUM; ++j) {
dp[0][j] = INF;
}
}
void solve() {
init();
for (int i = 1; i <= n; ++i) {
for (int j = 1; j <= NUM; ++j) {
if (j < v[i]) {
dp[i][j] = dp[i - 1][j];
}
else {
dp[i][j] = min(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
}
}
}
for (int i = n; i >= 1; ++i) {
if (dp[n][i] <= V) {
cout << i << endl;
break;
}
}
}
int main(int argc, char** argv) {
cin >> n >> W;
for (int i = 1; i <= n; ++i) {
cin >> w[i] >> v[i];
}
solve();
show();
return 0;
}
总结
就以01背包而言,对于不同的数据规模,要考虑不同的算法。