题目描述
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。
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
题解代码(二维版本)
(1)状态表示f[i,j]:选择前i个物品,背包容量为j的最大价值:
当前计算的f[i,j]要依赖于之前的状态,可以理解从初始状态f[0,0]=0开始决策,有N件物品,就需要决策N次
(2)状态计算f[i,j]:将f[i,j]这个集合拆分为两部分,即包含有i和不包含有i的两部分
这里的不包含i是由于当前背包容量不够(j<v[i]),没得选,因此前i个物品最优解即前i-1个物品最优解,因此f[i,j]=f[i-1,j]。
这里包含i是由于当前背包容量够,可以选i,因此状态转移方程为f[i,j]=f[i-1,j-v[i]]+w[i]。
(3)最后,我们的决策是取到最大值,因此将以上两种情况取max()。
代码如下:
#include<bits/stdc++.h>
using namespace std;
const int N=1010;
int n,m;
int v[N],w[N]; //体积 价值
int f[N][N]; //f[i][j],前i 个物品下,不超过体积j的最大价值
int main(){
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=n;i++){
for(int j=1;j<=m;j++){
if(j<v[i]){ //当前背包容量装不进去第i个物品 ,则价值等于前i-1个物品
f[i][j]=f[i-1][j];
}
else if(j>=v[i]){ //能装得下,但需要进行判断需不需要将i个物品装下
f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);
}
}
}
cout<<f[n][m];
return 1;
}
题解代码(一维版本)
将状态f[i,j]优化到一维f[j],即f[j]表示背包容量j下的最优解
注意,枚举物品状态的时候j必须从m开始
为什么一维情况下枚举背包容量需要逆序?在二维情况下,状态f[i][j]是由上一轮i - 1的状态得来的,f[i][j]与f[i - 1][j]是独立的。而优化到一维后,如果我们还是正序,则有f[较小体积]更新到f[较大体积],则有可能本应该用第i-1轮的状态却用的是第i轮的状态。
例如,一维状态第i轮对体积为 3的物品进行决策,则f[7]由f[4]更新而来,这里的f[4]正确应该是f[i - 1][4],但从小到大枚举j这里的f[4]在第i轮计算却变成了f[i][4]。当逆序枚举背包容量j时,我们求f[7]同样由f[4]更新,但由于是逆序,这里的f[4]还没有在第i轮计算,所以此时实际计算的f[4]仍然是f[i - 1][4]。简单来说,一维情况正序更新状态f[j]需要用到前面计算的状态已经被「污染」,逆序则不会有这样的问题。
状态转移方程为:f[j]=max(f[j],f[j-v[i]]+w[i])。
#include<bits/stdc++.h>
using namespace std;
const int N=1010;
int n,m;
int v[N],w[N]; //体积 价值
int f[N];
int main(){
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=n;i++){
for(int j=m;j>=v[i];j--){
if(j<v[i]){
f[j]=f[j];
}else if(j>=v[i]){
f[j]=max(f[j],f[j-v[i]]+w[i]);
}
}
}
cout<<f[m];
return 1;
}