/*动态规划的分类思想为核心思想
*判定n个物品放入有限容积背包的利润最大值,为减少规模,先算一个物品放入容积背包的利润最大值
* 之后求两个物品时,分为能放入和不能放入两种情况,放入时,则考虑两种情况:放入后的利润与放入前的利润
* 在模拟过程中,发现体积也难以确定,但也可以分成有限个小部分,体积也是一个未定量,则将体积从小到大进行判定模拟,
状态表示方程:f(i)(v),i表示相应的背包,v表示装入这个背包的容积(二维表示两个状态量,价值是结果)
注:在表示状态转移方程时,首先要表示出相应的状态,根据题干搞清楚状态跟什么量有关,选择合适的维度进行表示
* 对于每一个物品加入后,容积也是未知的量,则考虑将容积进行子问题分解,分成有限个小部分,进行记忆存储(或者说更易理解的解释:容积、容纳量均是变量,所以要进行记忆化存储)
* 既然分成了状态,就要对子状态进行求解出来,表示出任意一个子状态,从而能够通过状态转移方程进行调用
* 这里要注意的是,子状态的任意量不一定都能够用到,要注意题干,以及子状态中的特殊限制
*/
#include<iostream>
using namespace std;
int main()
{
int weight[5],value[5];//a数组表示占用的体积,b数组表示对应的价值
for (int i = 1; i <= 5; i++)
{
cin >> weight[i]; //一共有n个背包求最大化利润
cin >> value[i]; //数据初始化:输入重量,价值(两组对应不相同的数据,用两个数组进行存储)
}
int volume;
cin >> volume; //背包对应的最大容积
int maxa[5][5];
memset(maxa, 0, sizeof(maxa)); //注意重置初始值(小细节)
for (int i = 1; i <= 5; i++) //背包从第一个遍历到最后一个
{
for (int j = 1; j <= volume; j++) //体积从小值开始遍历,从而表示所有子问题的情况
{
if (weight[i] > j)
//j表示当前点的容积数目
//特殊限制,当子状态的容积不能够容纳当前包裹时的状态转移方程
maxa[i][j] = maxa[i - 1][j];
//表示装不下当前的背包
else maxa[i][j] = max(maxa[i - 1][j], maxa[i][j - weight[i]] + value[i]);
//装下后也要进行取舍,比较一下装之前与装之后的最大利润值,选取更大的利润
/*两个比较的内容来源原理是:n-1个物品加上一个,最优解包含两种情况,要么是不取,要么是取
*分别写出两个状态的状态转移方程
*/
}
}
}
/* 其它注意点
* 数组初始化的设计,令i=1,进行初始化,方便使用且更易理解
* 在这个题目中,最大利润是结果量,体积、背包个数是状态量,可通过二维数组对两个状态量进行表示
* 背包个数、体积这两个状态量都是动态变化、无序的,化无序为有序:考虑前1个背包,前二个背包,前三个背包
* 前1个容积,前2个容积,前3个容积……
* 找出无限个子状态进行存储,进而对庞大的无序问题转化成求解子状态的问题
*/
01背包——二维数组(初步学习)
最新推荐文章于 2023-04-26 16:11:43 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)