dp 汇总训练 01背包

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;
}