题目
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。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤10000
0<vi,wi≤10000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
---------------------------------------------------------------------------------------------------------------------------------
解题思路:
1.先定义n+1行,m+1列的二维数组,全部格子置0
为什么要这么做呢?
因为我们在之后求每个格子的坐标的时候,还需要回溯到更前面一行的格子,多定义一行一列就可以防止出现这种报错
2.明确二维数组坐标的属性
横坐标(0,1,2,3,4,5)为背包容量(j)
纵坐标分别是物品i以及对应的重量(物品i:重量)
而我们填的表格就是各个情况下当前坐标的最大价值
3.接着就是完善表格。
从左到右,从上到下...
当前背包容量j>=物品的体重时,我们就可以考虑要不要放物品进背包
情况一:放。
那么当前坐标的价值为:
当前价值 = [坐标i-1]背包体积-当前物品重量的坐标的价值 + 当前物品价值
为什么进行这一步再加上当前物品价值呢?
因为每次放入物品有两种可能:1.背包满了需要拿东西出来再放新物品
2. 背包空间足够,直接存放
此时就需要分类讨论:
为了节省这一步骤。我们可以
直接回溯到[上一件物品][背包-当前物品重量]的价值+当前物品的价值。
但是有时候拿了重的物品,不一定价值含量就高
所以我们还要将“拿”和“不拿”进行对比。
情况一:拿 - curval1 = r[i-1][j-bag[i-1]] + val[i-1]
情况二:不拿 - curval2 = r[i-1][j]
将其比较返回最大的就是当前格子的价值:
r[i][j] = max(curval1,curval2)
情况二:
j<当前物品重量
那就无法拿了,此时格子价值=上次(前一件物品)当前背包重量的价值
---------------------------------------------------------------------------------------------------------------------------------
代码实现
n, m = map(int,input().split()) # 输入n, m
bag = []
val = []
r = [[0 for i in range(m+1)] for j in range(n+1)] # 创建n行m列二维数组
for i in range(n): # n代表物品数目
w, v = map(int,input().split())
bag.append(w) # 添加物品与其对应重量
val.append(v) # 添加物品与其对应价值
for i in range(1,n+1): # +1行是因为第0行全为0
for j in range(1,m+1): # +1列同上
# i代表第i件物品,j代表的是背包的体积
if j >= bag[i-1]: # 当j>=第i件物品的重量时,说明这时候可以选择要不要把它放进背包
# 情况一:取物品
# 当前价值 = [坐标i-1]背包体积-当前物品重量的坐标的价值 + 当前物品价值
curval1 = r[i-1][j-bag[i-1]] + val[i-1]
# 情况二: 因为取了的物品可能不如取之前大,所以状况二是不取
curval2 = r[i-1][j]
# 情况一情况二进行比较
r[i][j] = max(curval1,curval2)
else:
# 当背包容量不足以放入新的物品就保持不变
# 注意!保持不变是需要拿上个物品的相同位置来进行比较
r[i][j] = r[i-1][j]
# 因为最后一个的数值是最大的,所以输出二维数组最后一个数值
print(r[-1][-1])