一、题目
题目内容
给定n(n<=100)种物品和一个背包。物品i的重量是wi(wi<=100),价值为vi(vi<=100),背包的容量为C(C<=1000)。
应如何选择装入背包中的物品,使得装入背包中物品的总价值最大? 在选择装入背包的物品时,对每种物品i只有两个选择:装入或不装入。不能将物品i装入多次,也不能只装入部分物品i。
输入格式:
共有n+1行输入:
第一行为n值和c值,表示n件物品和背包容量c;
接下来的n行,每行有两个数据,分别表示第i(1≤i≤n)件物品的重量和价值。
输出格式:
输出装入背包中物品的最大总价值。
输入样例:
5 10
2 6
2 3
6 5
5 4
4 6
输出样例:
15
二、动态规划解
1、定义dp数组
dp[i][j]来表示在前i个物品中,背包容量为j时能够获得的最大总价值(每一个格子都是最大容量)。
2、初始化
此时很显然,i=0时不放入物品,价值必为零,j=0时,物品无法放入,价值为零
所以i==0或者j==0时,dp[i][j]初始化为0。即表示背包容量为0或没有物品可选时的总价值均为0。
3、状态转移
在每一步计算价值的时候,考虑两种情况:当前物品放入或者不放入背包。
不放入背包:
那么同等重量背包下,价值和i-1时相同,即dp[i][j]=dp[i-1][j].
放入背包:
放入时也有两种情况:容量足够,成功放入;容量不足,无法放入
判断依据为:j-w[i-1]是否大于等于零(w数组为放入的物品重量数组,w[i-1]是第i个物品的重量,下标从零开始;如果下标从1开始,w[i]为第i个物品重量,v数组为放入的物品价值数组,其余同上)。
如果j-w[i-1]<0,说明无法放入这个物品,这时,转为不放入背包的情况。
如果j-w[i-1]>0,说明可以放入这个物品,这时,比较放入的情况和不放入的情况哪一种的物品价值高。放入的情况即为dp[i-1][j-w[i-1]]+v[i-1](dp[i-1][j-w[i-1]]代表着在装入该物品外,剩余容量的装入最大价值情况),不放入的情况为dp[i-1][j];
状态转移推论:
对于每个物品i(i从1到n):
对于每个背包容量j(j从1到C):
如果当前物品i的重量小于等于当前背包容量j:
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i - 1]] + v[i - 1])
其中dp[i - 1][j]表示不装入第i个物品时的总价值,dp[i - 1][j - w[i - 1]] + v[i - 1]表示装入第i个物品时的总价值。
如果当前物品i的重量大于当前背包容量j:
dp[i][j] = dp[i - 1][j],不能装入第i个物品,总价值与前i-1个物品时背包容量为j时的总价值相同。
综上所述,在这两种情况下选择最优解,即易得dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i-1]]+v[i-1])
逐步填表:
从左到右,从上到下填充dp数组,根据状态转移方程填写每个dp[i][j]的值。
最终结果:
返回dp[n][C],即前n个物品在背包容量为C时能够获得的最大总价值。
这样的动态规划方法能够在时间复杂度为O(n*C)的情况下解决0-1背包问题,其中n为物品数量,C为背包容量。
实验代码:
#include <stdio.h>
int max(int a, int b) {
return (a > b) ? a : b;
}
//比较大小函数
int knapsackMaxValue(int n, int C, int weights[], int values[]) {
int dp[n + 1][C + 1];
for (int i = 0; i <= n; ++i) {
for (int j = 0; j <= C; ++j) {
if (i == 0 || j == 0) {
//初始化
dp[i][j] = 0;
} else if (weights[i - 1] <= j) {
//可装入背包
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
} else {
//不可装入背包
dp[i][j] = dp[i - 1][j];
}
}
}
return dp[n][C];
}
int main() {
int n, C;
scanf("%d %d", &n, &C);
int weights[n], values[n];
for (int i = 0; i < n; ++i) {
scanf("%d %d", &weights[i], &values[i]);
}
int result = knapsackMaxValue(n, C, weights, values);
printf("%d\n", result);
return 0;
}
三、回溯法
1、基本思路
用一个max记录整个背包中所装物品价值的最大值,将背包里的物品的重量和价值均初始化为0,当背包中已有重量加上当前物品重量未超限时,将该物品放入背包,进入下一次遍历,如果超限,那么直接进入下一件物品的判定,直到最后一件物品判定完毕,完成递归,回到上一层后,将当前物品拿出背包,在重新进入下一件物品的判定。
核心思想其实仍为是否选中该物品,差别在于,动态规划中将第i件物品在剩余容量的最大值存放在数组中,整个dp数组只需要计算一次,时间复杂度为O()。回溯法,对于每一个物品都由装入和不装入两种情况,每次的剩余容量最大值都需要再次计算,时间复杂度为O(
)
2、实验代码
#include <stdio.h>
#define N 100
int max = 0;
int n, c;
int weight[N];
int value[N];
void backresult(int index, int currentWeight, int currentValue) {
if (index == n) {
if (currentWeight <= c && currentValue > max) {
max = currentValue;
}
return;
}
// 选择当前物品
if (currentWeight + weight[index] <= c) {
currentWeight += weight[index];
currentValue += value[index];
backresult(index + 1, currentWeight, currentValue);
// 回溯:撤销选择
currentWeight -= weight[index];
currentValue -= value[index];
}
// 不选择当前物品
backresult(index + 1, currentWeight, currentValue);
}
int main() {
scanf("%d %d", &n, &c);
for (int i = 0; i < n; i++) {
scanf("%d %d", &weight[i], &value[i]);
}
backresult(0, 0, 0);
printf("%d", max);
return 0;
}