点菜问题

题目描述

北大网络实验室经常有活动需要叫外卖，但是每次叫外卖的报销经费的总额最大为C元，有N种菜可以点，经过长时间的点菜，网络实验室对于每种菜i都有一个量化的评价分数（表示这个菜可口程度），为Vi，每种菜的价格为Pi, 问如何选择各种菜，使得在报销额度范围内能使点到的菜的总评价分数最大。 注意：由于需要营养多样化，每种菜只能点一次。

输入描述:
输入的第一行有两个整数C（1 <= C <= 1000）和N（1 <= N <= 100），C代表总共能够报销的额度，N>代表能点菜的数目。接下来的N行每行包括两个在1到100之间（包括1和100）的的整数，分别表示菜的>价格和菜的评价分数。

输出描述:
输出只包括一行，这一行只包含一个整数，表示在报销额度范围内，所点的菜得到的最大评价分数。

示例1
输入
90 4
20 25
30 20
40 50
10 18
40 2
25 30
10 8

输出
95
38

思路

  这道题是一道典型的0-1背包问题的变形。那么先简单的说一下0-1背包问题。0-1背包问题就是说有n 个物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？我们采用自底向上的递推算法。设一个数组dp[i][j]，它的意思是前i个物品放进容量为j的背包的最大价值。那么讨论状态转移方程。

1. 如果第i个物品无法放进背包，那么明显dp[i][j]就等于dp[i-1][j]
2. 如果第i个物品可以放进背包，那么dp[i][j]就等于前i-1个物品放进容量为j-Wi的背包的最大价值加上物品i的价值。(可以把背包容量j想象成两个部分，一个部分放前i-1个物品的部分物品使价值最大，剩下的部分即Wi用来放第i个物品)，所以dp[i][j] = dp[i-1][j-Wi] + Vi
     有了0-1背包问题的思路，我们就可以用0-1背包问题的思路来解决这道问题。菜品的可口程度就相当于物品的价值，菜品的价格就相当于物品的重量，经费总额最大为C就相当于背包的容量为C。这样就可以用上面的状态转移方程来编程了。(自底向上的递推法，详情可以参考我之前写过的关于动态规划问题的文章)

代码

#include <iostream>

using namespace std;

const int MAXN = 101;
const int MAXC = 1001;

//dp[i][j]前i个物品放进容量为j的背包的最大价值
int dp[MAXN][MAXC];
int weight[MAXN];
int value[MAXN];


int main()
{
    //背包最大容量为c n个物品
    int c,n;
    while(scanf("%d%d",&c,&n)!=EOF){
            for(int i = 1; i <= n ; ++i){  //认为i=0表示什么都没有
        scanf("%d%d",&weight[i],&value[i]);
    }
    //初始化dp数组
    //背包容量为0则什么都放不下，最大价值也一定为0
    for(int i = 0; i <= n;i++){
        dp[i][0] = 0;
    }
    //前0个物品放入背包，不管背包容量为多大，最大价值都为0
    for(int j = 0; j <= c;++j){
        dp[0][j] = 0;
    }

    //递推获取dp的每一个值
    for(int i = 1; i <= n;i++){
        for(int j = 1; j <= c;j++){
            //如果第i个物品的重量大于当前背包的重量，那么第i个物品无法放入
            if(weight[i] > j){
                dp[i][j] = dp[i-1][j];
            }else{
            //如果第i个物品的重量小于等于当前背包的重量，那么我们可以选择放入或者不放入
            //选择两者中较大的就行了
            dp[i][j] = max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
            }
        }
    }
    printf("%d\n",dp[n][c]);

    }



    return 0;
}

改进

  上面算法的空间复杂度为o(n*c)的，因为我们定义的dp数组为dp[n][c]，那么有没有办法可以降低空间复杂度呢？
  开始思考，由上面的分析我们可以知道dp[i][j]要么等于dp[i-1][j]，要么等于dp[i-1][j-Wi]+Vi，只有这两种可能。也就是说，当我们求第i行的dp[i][j]时，只需要使用第i-1行的dp[i][j]，而与其他行是无关的。所以，如果我们知道第1行的值dp[i]，就可以根据这一行就求出第二行dp[i+1]，依次类推，我们就可以求出所有的dp[i][j]。再思考，如果我们知道第一行的dp[i][j]，用这一行求出第二行的dp[i][j]后，第一行的dp[i][j]就没有用了，求之后的dp[i][j]也不会用到第一行的值，所以我们完全可以把用第一行求出的第二行的dp[i][j]放在第一行，以节省空间。以此类推，我们可以把所有的dp[i][j]放在第一行内，所以我们就不需要一个二维数组了，只要一个一维数组就够了，这样空间复杂度就可以大大降低，变为o©。

  再思考，有了上面的分析我们可以知道，要求第i行dp[i][j]，我们只需要第i-1行的dp[i][j]，而我们只有一行的存储空间。那么我们先把第i-1行的dp[i][j]全部赋给第i行的dp[i][j]，然后用这一行的值求dp[i][j]。如果我们从左往右开始算，那么当我们求dp[i][j]时，它要依赖于dp[i-1,j-Wi]，而因为我们是从左往右开始算的，那么可能当我们还没求到dp[i][j]，dp[i-1,j-Wi]就已经改变了，那等我们求到dp[i][j]时，它的值纠错了，所以不可以从左往右算，那么只能从右往左算了，这样就可以保证当我们求某个dp[i][j]时他所依赖的值不会先发生变化。

改进后的代码

#include <iostream>

using namespace std;

const int MAXN = 101;
const int MAXM = 1010;

int dp[MAXM];
int weight[MAXN];
int value[MAXN];

int main()
{
    //背包最大容量为c n个物品
    int c,n;
    while(scanf("%d%d",&c,&n)!=EOF){
            for(int i = 1; i <= n ; ++i){  //认为i=0表示什么都没有
        scanf("%d%d",&weight[i],&value[i]);
    }
    //初始化dp数组

    for(int j = 0; j <= c;++j){
        dp[j] = 0;
    }

    //递推获取dp的每一个值
    for(int i = 1; i <= n;i++){
        //从右往左
        for(int j = c; j >= weight[i];j--){
//        第i的初值刚开始都是第i-1行的值,所以如果j<weight[i],本来要dp[i][j] = dp[i-1][j]的
//        但初值就是dp[i-1][j]，那么也就可以省去这一步,j也只需要大于等于weight[i]就行
//            if(weight[i] > j){
//                dp[i][j] = dp[i-1][j];
//            }else{
            dp[j] = max(dp[j],dp[j-weight[i]]+value[i]);

        }
    }
    printf("%d\n",dp[c]);

    }



    return 0;
}