01背包
一、问题描述
二、分析与实现代码
1.分析问题
01背包是经典的动态规划问题
1.确定状态变量:
最大价值是物品数量i和背包容量j的函数
我们用f[i][j] 表示前i件物品放入容量为j的背包的最大价值
所以,最终的最大价值就是物品数量i从0增长到n,背包容量j从0增长到m时的f[n][m]值
2.转移方程:
我们在遍历背包容量j时要考虑两个问题:
一:能否放入第i件物品 二:若能放入第i件物品,我们是否放入第i件物品
w[i]:表示第i件物品的重量
c[i]:表示第i件物品的价值
j:背包容量
1.如果背包容量j < w[i],不能放入物品i,f[i][j] = f[i-1][j];
2.如果背包容量j >= w[i],能放入物品 i 但是要比较代价来判断我们是否放入第i件物品
若第i件物品可以放入背包但是我们不放入,f[i][j] = f[i-1][j]
若第i件物品可以放入背包我们放入,f[i][j] = f[i-1][j-w[i]]+c[i]
所以转移方程为:
f[i][j] = f[i-1][j] (j<w[i])
f[i][j] = max(f[i-1][j] , f[i-1][j-w[i]]+c[i]) (j>=w[i])
3.确定边界条件:
当 i==0 或者 j== 0 时 f[0][j] == 0 ,f[i][0] == 0
解释:
当背包容量为0时(j == 0),价值为0
当不选物品时(i == 0),价值为0
转移方程图:第i层的f[i][j]由第i-1层的f[i-1][j]或 f[i-1][j-w[i]]更新
二维数组版本代码实现:
//c++代码
//二维数组版本
for(int i = 1 ; i <= n ; i ++){//i表示前i件物品
for(int j = 1 ; j <= m ; j++){//j表示背包容量
if(j < w[i]){
f[i][j] = f[i-1][j];
}else{
f[i][j] = max(f[i-1][j],f[i-1][j-w[i]]+c[i]);
}
}
}
代码没懂的话可以试着手动填表下面这个测试样例:
注:i,j,w,c的含义参考上文
填表后的答案:
时间复杂度:O(n^2)
空间复杂度:O(n^2)
2.代码优化
时间上我们不能再优化了
空间上我们可以使用一维的滚动数组进行状态压缩使得空间复杂度降低到O(n)
时间复杂度:O(n^2)
空间复杂度:O(n)
//优化版本1
for(int i = 1; i <= n; i++) //i表示前i件物品
for(int j = m; j >= 1; j--)//j表示背包容量
{
if(j < w[i])
f[j] = f[j]; // 优化后
else
f[j] = max(f[j], f[j - w[i]] + c[i]);// 优化后
}
//优化版本2
//最终版本
for(int i = 1; i <= n; i++) //i表示前i件物品
for(int j = m; j >= w[i]; j--)//j表示背包容量
f[j] = max(f[j], f[j - w[i]] + c[i]);
OJ上可以AC的代码:AcWing 2. 01背包问题
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int n , m ;
int v[N] , w[N];//v[i]:重量 w[i]: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--){
f[j] = max(f[j],f[j-v[i]] + w[i]);
}
}
cout << f[m] << endl;
return 0;
}
总结
理解01背包的原理和状态压缩时的背包容量j遍历顺序是重点
参考视频:01背包