01背包
朴素做法:
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int dp[N][N];//dp[i][j]表示在前i个物品中选且总体积不大于j的情况下的最大值。 dp[n][m]就是答案
int n,m;
int w[N],v[N];//分别存每个物品的价值和体积
int main()
{
cin>>n>>m;
for(int i=1;i<=n;i++)
{
cin>>v[i]>>w[i];
}
for(int i=1;i<=n;i++) //遍历每个物品和每个可能的容量。
for(int j=1;j<=m;j++)
{
dp[i][j]=dp[i-1][j];//表示不选择第 i 个物品的情况下的最大价值。
if(j>=v[i]) dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]);//如果当前容量 j 大于等于第 i 个物品的体积 v[i],则可以选择第 i 个物品,
}
cout<<dp[n][m];//考虑所有 n 个物品且总体积不超过 m 的情况下的最大价值。
return 0;
}
滑动数组:
dp[j]
表示在总容量不超过j
的情况下,可以获得的最大价值。- 使用两个嵌套的循环遍历每个物品和每个可能的容量。
- 外层循环遍历每个物品。
- 内层循环从容量
m
递减到v[i]
,这样可以确保在计算dp[j]
时,dp[j-v[i]]
代表的是前一个状态的值。- 通过使用一维数组
dp
来代替二维数组,空间复杂度从 O(n*m) 降低到 O(m)。- 通过逆序遍历容量,可以确保在更新
dp[j]
时,使用的dp[j - v[i]]
是前一个状态的值,避免了重复计算和覆盖。
复杂度分析
- 时间复杂度:O(n*m),因为两个嵌套的循环分别遍历物品和容量。
- 空间复杂度:O(m),因为只使用了一维数组
dp
。
代码:
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int dp[N];
int n,m;
int w[N],v[N];//分别存每个物品的价值和体积
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--)
{
dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
}
cout<<dp[m];
return 0;
}