根据carl的01背包理论,做一个更为详细的解释:
1、将01背包的遍历抽象为一个二维数组dp[i][j],含义是下标为[0-i]的物品,任取一个放置到容量为j的背包中,所产生的总价值。
2、遍历时(外层遍历物品,内层遍历背包),需要考虑当前的物品能够放进容量为j的背包中:
状态一:不能放,那么当前的总价值等于前一个物品的总价值。dp[i][j]=dp[i-1][j];
状态二:放,分两种情况:一是正好放置此物品,而是可以放置比较小的其余物品。首先当前的价值为dp[i][j]=dp[i-1][j-weight[i]]+value[i];根据情况1,则前一物品不能被存放,所以我们取的j-weight[i]的值为0。根据情况2,则前一物品也可以被存放,所以我们取的j-weight[i]的值为前一物品的值。
3、代码:
void test_2_wei_bag_problem1() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagweight = 4;
// 二维数组
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
// 初始化 从物品0的容量开始有价值
for (int j = weight[0]; j <= bagweight; j++) {
dp[0][j] = value[0];
}
// weight数组的大小 就是物品个数
for(int i = 1; i < weight.size(); i++) { // 遍历物品
for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
// 如果物品容量大于当前背包容量,则当前价值与上一时刻的价值相同
if (j < weight[i]) dp[i][j] = dp[i - 1][j];
// 计算只存放当前物品的价值,与存放多个小物品的价值,哪个价值更高
else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
cout << dp[weight.size() - 1][bagweight] << endl;
}
int main() {
test_2_wei_bag_problem1();
}