01背包问题

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。

代码：

def knapsack(N, V, volumes, values):
    dp = [0] * (V + 1)

    for i in range(N):
        for j in range(V, volumes[i] - 1, -1):
            dp[j] = max(dp[j], dp[j - volumes[i]] + values[i])

    return dp[V]

# 读取输入
N, V = map(int, input().split())
volumes, values = [], []
for _ in range(N):
    v, w = map(int, input().split())
    volumes.append(v)
    values.append(w)

# 输出结果
result = knapsack(N, V, volumes, values)
print(result)
 

1. knapsack 函数：

   • knapsack 函数采用四个参数：N 表示物品数量，V 表示背包容量，volumes 表示每个物品的体积数组，values 表示每个物品的价值数组。
   • 函数使用一维数组 dp 来保存在不同背包容量下的最大总价值。

2. 动态规划主循环：

   • 通过两个嵌套循环遍历所有物品和所有可能的背包容量。
   • for i in range(N): 遍历每个物品。
   • for j in range(V, volumes[i] - 1, -1): 从背包容量 V 到当前物品的体积 volumes[i]，逆向遍历，更新 dp[j]。

3. 状态转移方程：

   • dp[j] = max(dp[j], dp[j - volumes[i]] + values[i])，表示在当前容量 j 下，选择放入物品 i 或不放入，选择最大价值。

4. 返回结果：

   • 最终结果保存在 dp[V] 中，表示背包容量为 V 时的最大总价值。

5. 读取输入：

   • 从输入中读取物品数量 N 和背包容量 V。
   • 循环读取每个物品的体积和价值，将它们分别保存在 volumes 和 values 数组中。

6. 输出结果：

   • 调用 knapsack 函数计算最大价值，并将结果输出。

示例输入：

3 5
2 3
1 2
3 4

示例输出：

7