0-1背包问题是背包问题的基础,也是经典算法中动态规划与分支限界法的一个事例引入,了解0-1背包问题将有助于我们更进一步了解算法。
#include <iostream>
#include <vector>
using namespace std;
struct Goods {
int weight; // weight为商品对应质量
int value; // value为商品对应价值
Goods(int w = 0, int v = 0) {
weight = w;
value = v;
}
};
void BasicalPacket() {
cout << "Please input the number of goods: " << endl;
int numberGoods = 0; cin >> numberGoods; // 输入商品的数量
Goods* goods = new Goods[numberGoods];
cout << "Please input the weight and value of each goods: " << endl;
for (int i = 0; i < numberGoods; i++) cin >> goods[i].weight >> goods[i].value; // 输入商品的质量与价值
// 0-1背包问题的一个重点是对dp的初始化 因为在状态转移方程中需要用到之前的数据
cout << "Please input the capacity of packet: " << endl;
int packet = 0; cin >> packet; // 输入背包的重量
vector<vector<int>> dp(numberGoods, vector<int>(packet + 1, 0)); // dp对应的是在遍历某物品(对应第一维数据) 背包质量(对应第二维数据)的情况下
// 背包所对应的价值
// 此时先将dp对应的全部元素初始化为0
for (int i = 0; i < numberGoods; i++) dp[i][0] = 0; // 当背包质量为0的情况下 对应的背包价值应该全部都是0
// 当背包质量大于第一件商品的质量时 所对应的背包价值应为第一件商品对应的价值
for (int j = goods[0].weight; j <= packet; j++) dp[0][j] = goods[0].value;
/*
* 现在根据状态转移方程维护dp
* 实质是衡量在特定的背包质量下 是否加入该商品
* 如果加入该商品能提升背包价值 那么加入该商品 反之则不加入该商品
* 权衡的是 以质量换价值是否值得?
*/
for (int i = 1; i < numberGoods; i++) {
for (int j = 1; j <= packet; j++) {
if (j < goods[i].weight) dp[i][j] = dp[i - 1][j]; // 在背包质量小于该商品的情况下 该背包对应的价值是不加入该商品时的价值
else {
/*
* 结果只有两种情况
* 要么是预留出足够的重量而后加上该物品所对应的价值
* 要么是对于背包在该质量下不加入该物品的最大价值
* 所以我们只需要取这两种情况的最大值即可
*/
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - goods[i].weight] + goods[i].value);
}
}
}
cout << "0-1 Packet's maximum is : " << dp[numberGoods - 1][packet];
/*
如果还不理解 可以将dp对应的元素全部输出 对照状态转移方程进行研究
cout << endl;
for (int i = 0; i < numberGoods; i++) {
for (int j = 0; j <= packet; j++) cout << dp[i][j] << " ";
cout << endl;
}
*/
}
void main() {
BasicalPacket();
return;
}
注:非常感谢宝藏网站的启发 对小白学习基础知识极为友好!