动态规划解决01背包问题

题目

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i𝑖 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式

第一行两个整,N，V用空格隔开，分别表示物品数量和背包容积。

接下来有 N行，每行两个整数 vi,wi用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤10000<𝑁,𝑉≤1000
0<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

 输出样例

8

 思路

01背包问题是一个非常经典的动态规划问题,现在算法题中的动态规划问题有80%都是基于背包问题进行改造的,现在我们来解这个背包问题

1.构造二维动态规划数组

我们需要求得是当前质量下的最大价值,所以我们数组的每一个格子就作为当前状态的最大价值,横轴表示当前的背包体积,纵轴表示当前可放入的前n个物品

int[][] dp = new int[v + 1][m + 1]; 

2.给数组赋值初始化状态

当我们背包质量为0的情况下,不管可以入n个物品,其总价值都为0.(第一列全是0)

当我们能放入第0个物品时,不管背包质量为 多少,其总价值也为0.(第一行全是0)

因为二维数组有初始化值所以不用对这个数组进行任何操作

3.给每个格子赋值

对于每一个格子的概念表示为在质量为y的情况下,前x个物品的最大价值,所以对于每个格子需要判断是否能当下当前物品,在能放下的情况下,需要考虑是否放这个物品

如果不能放下当前物品,当前格子的最大价值为arr[x][y - 1]

如果能放下当前物品,需要判断放与不放的最大值即arr[x][y - 1](不放)和v[i] + arr[x - 1][y - m[]i] 

//判断物品重量是否超过背包的最大容量
if(m[i] > j){
    //如果质量超过背包质量则选择不放入
     dp[i][j] = dp[i - 1][j];
         }else{
     //否则就将物品放入这个数组中,并取价值最大值
     //能放入但是不放入当前价值为dp[i-1][j]
    //能放入并且放入v[i] + dp[i - 1][j - m[i]];
      dp[i][j] = Math.max(dp[i - 1][j] , val[i] + dp[i - 1][j - m[i]]);
          }

4.最后我们放回最大值

即二维数组的最后一个数

完整代码

import java.util.Scanner;

public class Acwing01 {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        //输入物品数量
        int n = sc.nextInt();
        //输入背包体积
        int v = sc.nextInt();
        //定义质量数组和价值数组
        int[] m = new int[n + 1];
        int[] val = new int[n + 1];
        //定义动态dp数组,其中横坐标表示物品质量,纵坐标表示物品标号
        int[][] dp = new int[n + 1][v + 1];
        //0号质量表示无物品放入
        dp[0][0] = 0;
        //向背包中存入质量和价值
        for (int i = 1; i < n + 1; i++) {
            m[i] = sc.nextInt();
            val[i] = sc.nextInt();
        }
        //定义双重循环处理dp数组
        for (int i = 1; i < dp.length; i++) {
            for (int j = 0; j < dp[0].length; j++) {
                //判断物品重量是否超过背包的最大容量
                if(m[i] > j){
                    //如果质量超过背包质量则选择不放入
                    dp[i][j] = dp[i - 1][j];
                }else{
                    //否则就将物品放入这个数组中,并取价值最大值
                    //能放入但是不放入当前价值为dp[i-1][j]
                    //能放入并且放入v[i] + dp[i - 1][j - m[i]];
                    dp[i][j] = Math.max(dp[i - 1][j] , val[i] + dp[i - 1][j - m[i]]);
                }
            }
        }
        System.out.println(dp[n][v]);
    }
}