// 基本状态的动态规划算法Knapsack求解0-1背包问题
//时间复杂度为O(nc)
template <class Type>
void Knapsack(Type* v, int* w, int c, int n, Type** m) {
int jMax = min(c, w[n] - 1);
for (int j = 0; j <= jMax; j++) {
m[n][j] = 0; // 只看最后一个物品,不可以装下的全部为 0
}
for (int j = w[n]; j <= c; j++) {
m[n][j] = v[n];
} // 处理最后一个物品完毕
for (int i = n - 1; i > 1; i--) {
jMax = min(c, w[i] - 1);
for (int j = 0; j <= jMax; j++) { // 第i个物品放不下的情况
m[i][j] = m[i + 1][j];
}
for (int j = w[i]; j <= c; j++) {// 第i个物品可以放下的情况
m[i][j] = max(m[i + 1][j], m[i + 1][j - w[i]] + v[i]);
}
}
m[1][c] = m[2][c]; // 处理边界
if (c >= w[1]) {
m[1][c] = max(m[1][c], m[2][c - w[1]] +v[1]); // 最后结果
}
}
// 求解最后物品选取的状态
//时间复杂度为O(n)
template <class Type>
void Traceback(Type** m, Type* w, int c, int n, int* x) { // x下标范围(0,n]
for (int i = 1; i < n; i++) {
if (m[i][c] == m[i + 1][c]) {
x[i] = 0;
} else {
x[i] = 1;
c -= w[i];
}
}
x[n] = (m[n][c]) ? 1 : 0; // 看最后一个物品
}
Knapsack算法求01背包问题
最新推荐文章于 2022-10-29 10:52:57 发布