引入
01背包问题
(题目源自AcWing)
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。
数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
分析
01背包问题的特点为每个物品只能用一次(要么0要么1)
动态规划分为两步:状态表示与状态计算
让我们先从最朴素的方法开始想。
状态表示
一般我们用两维数组表示状态,即dp[i][j]
这里的状态其实表示的都是一个集合,我们要搞清楚的就是我们所定义的数组的集合所代表的是什么意思
当然,在此处,即我们的01背包问题中,这个集合表示的就是所有选法。
一般我们在dp[i][j]存的是这个集合的一个属性,比如最大值,最小值,数量等等,在此背包问题中表示的是最大值。
好了,那么我们在此处定义的dp[i][j],表示是前i个物品中选,总体积为j的所有选法的最大值。
加以定义
int[] volume = new int[n + 1]; //体积(重量)
int[] weight = new int[n + 1]; //价值(权重)
状态计算
状态计算对应的是集合划分,在dp[i][j]中,我们可以划分出两类不同的集合,即:包含第i个和不包含第i个。
不包含第i个的集合,那不就是从(i - 1)个物品选,且体积不超过 j 的集合吗?即
dp[i][j] = dp[i - 1][j];
那么包含第i个物品的集合呢?这好像令人毫无头绪。
那我们继续想,这个集合的最大值他一定是含有第i个,那我们抛开这个第i个,暂时去掉它,这并不会影响我们计算dp[i][j](后期加上即可),我本来想要求出的东西是包含第i个物品且体积不超过j的集合,那么当我抛出这个第i个物品时,就变成不包含第i个物品且体积不超过 (j - vi) 的集合在加上 wi,我们得以巧妙地转换。(注意:j需要满足 j >= volumn[i])
那这样太好了我们就能蹭蹭写出:
//二维
//分成两个集合,即包含i和不包含i
for (int i = 1; i <= n; ++i) {
for (int j = 0; j <= m; ++j) {
if(j >= volume[i]){
dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - volume[i]] + weight[i]);
// 前一个为不包含i的情况,j容量下,选择前 i - 1 物品的最大价值
//后一个为包含i,即转化为:选择在 i - 1 个物品最大价值,在加上第i个物品的价值
}else{
dp[i][j] = dp[i - 1][j];
}
}
}
过了!
但是耗时太长,我们能不能进一步优化呢?
当然可以 不然我就不会这么问了
一维优化!
当我们看状态转移方程时,计算dp[i]这一层时,只用到了 dp[i - 1]这一层,所以我们可以用滚动数组来做
如果 forj 这行代码如果顺序的话,因为 (j - vi) 肯定小于 j ,所以再算dp[j]之前,他是在第 i 层被算过一次了,也就是 二维dp中的 dp[i][j - wi], 但是我们所要的是 dp[i - 1][ j - wi], 所以我们要逆序遍历j
for (int i = 1; i <= n; ++i) {
for (int j = m; j >= volume[i]; --j) {
//选择逆序遍历,这样不会让 i - 1 被覆盖,dp[j - volume[i]] 一定先被计算,
//所以结果是第i层的而非 i - 1 层
dp[j] = Math.max(dp[j], dp[j - volume[i]] + weight[i]); //
}
}
过了!确实快了一些
但是这也很慢,所以我加入快速读入,没加快速输出。
差距!
AC代码:
import java.util.*;
import java.io.*;
/**
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。
*/
public class Main {
public static void main(String[] args) throws IOException {
Input in = new Input();
int n = in.nextInt();
int m = in.nextInt();
int[] volume = new int[n + 1]; //体积(重量)
int[] weight = new int[n + 1]; //价值(权重)
for (int i = 1; i <= n; ++i) {
volume[i] = in.nextInt();
weight[i] = in.nextInt();
}
/**二维*/
/* int[][] dp = new int[n + 1][m + 1];//dp[i][j]表示在 只能选择前i个物品,背包容量为j的情况下,背包中物品的最大价值
//二维
//分成两个集合,即包含i和不包含i
for (int i = 1; i <= n; ++i) {
for (int j = 0; j <= m; ++j) {
if(j >= volume[i]){
dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - volume[i]] + weight[i]);
// 前一个为不包含i的情况,j容量下,选择前 i - 1 物品的最大价值
//后一个为包含i,即转化为:选择在 i - 1 个物品最大价值,在加上第i个物品的价值
}else{
dp[i][j] = dp[i - 1][j];
}
}
}
System.out.println(dp[n][m]);*/
/** 一维*/
int[] dp = new int[m + 1];
for (int i = 1; i <= n; ++i) {
for (int j = m; j >= volume[i]; --j) {
//选择逆序遍历,这样不会让 i - 1 被覆盖,dp[j - volume[i]] 一定先被计算,所以结果是第i层的而非 i - 1 层
dp[j] = Math.max(dp[j], dp[j - volume[i]] + weight[i]); //
}
}
System.out.println(dp[m]);
}
}
class Input {
StreamTokenizer in = new StreamTokenizer(new BufferedReader(new InputStreamReader(System.in)));
public int nextInt() throws IOException {
in.nextToken();
return (int)in.nval;
}
}