目录
1.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 𝑖 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
第一行两个整数,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≤1000
0<𝑣𝑖,𝑤𝑖≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
2.思路
本题属于动态规划问题。对于此题我们可以画个表格便于理解
1.二维数组:
编号\体积 | 0 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | 0 | 0 |
1 | 0 | 2 | 2 | 2 | 2 | 2 |
2 | 0 | 2 | 4 | 6 | 6 | 6 |
3 | 0 | 2 | 4 | 6 | 6 | 8 |
4 | 0 | 2 | 4 | 6 | 6 | 8 |
编号:这里的编号是指取几个物品,像当编号为2时,意味着可以取前两个物品
体积:这里的体积是从零到MAX,目的是为了判断当体积为某个值时,取一个物品,两个物品等的价值最大是多少
当体积为0的时候,无论取几个物品,由于总体积为0,无论什么物品均不能放入背包,故它对应的那一列的价值均为0。
第零行:
因为没选任何物品,所以全为零
第一行:
当体积为1时,意味着,我们可以取第一个物品,第一个物品的体积是1,因此可以将其放入其中,所以,体积为1,编号为1的那个格子填入价值2,同理,当体积为2时,判断第一个物品的体积是否可以放入背包,因为第一个物品的体积是1,所以体积为2,编号为1的那个格子里面存放的价值也是2,对于第一行,无论体积是多少(除0以外),因为只选第一个物品,且第一个物品的体积是1,所以第一行的格子中填入的价值均是2.
第二行:因为此时的编号为二,也就是说,可以选择第一个物品和第二个物品,对于体积为1的时候,因为第二个物品的体积为2,所以只能放入第一个物品,因此它对应的价值还是2,当体积为2的时候,这时便是该问题的关键:判断放不放第二个物品,因为此时的体积为2,等于第二个物品的体积,因此需要判断,放第二个物品的价值大还是不放第二个物品的价值大,当不放第二个物品的时候,也就是相当于只放第一个物品,所以这时需找到该列的上一行也就是编号为1,体积为2时候的价值与放入第二个物品的价值进行比较,很明显我们可以看到,不放第二个物品的价值是2,当放入第二个物品后,此时剩余的体积为背包的体积减去第二个物品的体积,2-2=0,因为此时已经用过第二件物品了,所以要找编号为1,体积为零的价值相加,得到放入第二个物品的价值4+0=4,4>2,因此,此处填入4,同理,当体积为3时,此时背包的体积大于第二个物品的体积,接着判断,放入第二个物品的价值和不放第二个物品的价值哪个大,当不放第二个物品时,找到此行的上一行其价值为2,当放入第二个物品时,背包体积减去第二个物品的体积:3-2=1,找到,体积为1时,上一行的最大价值,也就是编号为一,体积为一的价值:2,所以放入第二个物品的价值是:4+2=6,所以此处填6,同样,接着判断体积为4,5时的最大价值,因为,只能选第一个物品和第二个物品,所以,无论体积是4还是5,它的最大价值均是6
第三行:当体积为1的时候,仍然是只能放入第一个物品,因此,最大价值是2,当体积为2时,还和前面的一样,放入第二个物品的价值更大,所以,最大价值是4,当体积为3的时候,因为背包体积等于第三个物品的体积,所以判断,是放入第三个物品的价值大还是不放入第三个物品的价值大,当不放入第三个物品的时候,找到编号为2,体积为3的最大价值:6,当放入第三个物品的价值是第三个物品的价值+背包体积减去第三个物品的体积对应的最大价值,也就是4+0=4,4<6,所以,此处填6,当体积为四的时候,接着判断放入第三个物品的价值和不放第三个物品的价值哪个大,不放时的最大价值是6,放入第三个物品的价值是4+2=6,所以相同,当体积为5时,不放第三个物品的价值是6,放入第三个物品的价值是4+4=8,因为放入第三个物品之后的体积为5-3=2,然后找到上一行体积为2的最大价值也就是4,所以最大价值为8
第四行:推理方式同前面几行,故不一一展示
2.一维数组:
解释:
可以通过使用一维数组的方法来缩减空间复杂度,使用一维数组的方式和二维数组相似,因为一维数组还是在二维数组那张表上进行迭代,也就是说,现在的一维dp数组,是相当于把二维dp数组中的每一行单独拿出来,但要注意,写二维数组递归的时候,需要倒叙枚举,当背包体积小于第i个物体的体积时,dp[j]=dp[j],因为,假设我要求第四行的dp一维数组,我需要以第三行的dp一维数组为基础进行迭代,因为不放入第四号物品,相当于在相同体积的情况下第三号物品的最大价值,所以dp[j]=dp[j],当背包的体积大于等于第i个物体的体积时,判读是否放入该物体,放入的情况是dp[j]=dp[j-bag[i-1][0]]+bag[i-1][1],不放的情况是dp[j]=dp[j],
判断Max(dp[j],dp[j]=dp[j-bag[i-1][0]]+bag[i-1][1])
示例:
以求第三行dp一维数组为例:
0 | 2 | 4 | 6 | 6 | 6 |
0 | 2 | 4 | 6 | 6 | 8 |
以倒叙枚举的方式,从v开始,
当v=5时,i=3,v>3,所以判断第三个物品放不放,当不放时dp[5]=dp[5],dp[5]=6,当放入第三个物品时,dp[5]=dp[5-3]+bag[3-1]=8,8>6所以填入8,
当v=4时,4>3,不放为dp[4]=6,放入第三个物品时,dp[4]=dp[4-3]+bag[3-1]=6,故填入6,
当v=3时,3=3,不放为dp[3]=6,放入第三个物品时,dp[3]=dp[3-3]+bag[3-1]=4,故填入6,
当v=2时,2<3,故dp[2]=dp[2],故填入4,
当v=1时,1<3,故dp[1]=dp[1],故填入2,
当v=0时,0<3,故dp[0]=dp[0],故填入0,至此全部推出。
解释:
为什么要用倒叙枚举,因为在判断Max(dp[j],dp[j]=dp[j-bag[i-1][0]]+bag[i-1][1])时,dp[j-bag[i-1][0]]可能会用到前面的数据,倘若,我从前面进行枚举,这将会导致,需要用的数据丢失,从而导致dp列表出错。
3.总结
二维数组:
当j>=bag[i-1][0],判断MAX(dp[i-1][j],dp[i-1][j-bag[i-1][0]]+bag[i-1][1])
否则dp[i][j]=dp[i-1][j]
一维数组:
当j>=bag[i-1][0],判断MAX(dp[j],dp[j-bag[i-1][0]]+bag[i-1][1])
否则dp[j]=dp[j]
4.代码
dp列表:
[0, 0, 0, 0, 0, 0]
[0, 2, 2, 2, 2, 2]
[0, 2, 4, 6, 6, 6]
[0, 2, 4, 6, 6, 8]
[0, 2, 4, 6, 6, 8]
我们可以清晰的看到dp列表与我们前面列的表格如出一辙
python二维数组代码:
n,v=map(int,input().split())#接收物品的个数n,以及背包的体积v
bag=[]#创建一个列表接收每一个物品的体积和价值
for i in range(n):
bag.append(list(map(int,input().split())))
# bag.append([int(i) for i in input().split()])列表推导式
dp=[[0 for i in range(v+1)] for j in range(n+1)]#以列表推导式的形式创建一个二维数组来形成上图表格的形式
for i in range(1,n+1):#从第1开始,也就是说当i是几,就是第几号物品,当i=1时,指第1件物品
for j in range(v+1):
if j>=bag[i-1][0]:#判断背包的容量和第i+1件物品的大小关系,因为bag的下标从0开始所以为了保持物品的一致需要进行减1
dp[i][j]=max(dp[i-1][j],dp[i-1][j-bag[i-1][0]]+bag[i-1][1])#判断放第i件物品的价值大,还是不放第i件物品的价值大
else:
dp[i][j]=dp[i-1][j]
print(dp[-1][-1])
python一维数组代码:
n,v=map(int,input().split())
bag=[]
dp=[0 for i in range(v+1)]
for i in range(n):
bag.append(list(map(int,input().split())))
for i in range(1,n+1):
for j in range(v,-1,-1):#因为从后往前推,所以倒叙
if(j>=bag[i-1][0]):
dp[j]=max(dp[j],dp[j-bag[i-1][0]]+bag[i-1][1])
else:
dp[j]=dp[j]
print(dp[v])