有 N 种物品和一个容量是 V 的背包。
第 i 种物品最多有 si件,每件体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使物品体积总和不超过背包容量,且价值总和最大。
输出最大价值。
输入格式:
第一行两个整数,N,V,用空格隔开,分别表示物品种数和背包容积。
接下来有 N 行,每行三个整数 vi,wi,si,用空格隔开,分别表示第 i 种物品的体积、价值和数量。
输出格式
输出一个整数,表示最大价值。
数据范围:
0<N,V≤100
0<vi,wi,si≤100
输入样例 :
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例:
10
解题思路:分别用 数组v,w,s对数据进行存储,设立f数组作为函数f(i,j)。
f(i,j)作为状态方程,即考虑前i件物品时,背包容量为j的情况下,所装入的最大价值。
那么对于考虑到前i件物品的情况:
1,不装那么f(i,j)=f(i - 1,j)。
2,装入,由于物品数量有限,且第i件物品有s[i](大于等于1)件,那么可装入1,2,......s[i]件。
对应的价值依次为f(i - 1,j - v) + w,f(i - 1,j - 2v) + 2w,........f(i - 1,j - s[i]*v) + s[i]*w。
综上:
f(i , j) = max(f(i - 1,j - v) + w,f(i - 1,j - 2v) + 2w,........,f(i - 1,j - s[i]*v) + s[i]*w)
理论成立代码如下(朴素版):
import java.util.Scanner;
public class Main {
public static int N = 110;
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt();//种类
int m = sc.nextInt();//背包体积
int v[] = new int [N];//体积
int w[] = new int [N];//价值
int s[] = new int [N];//数量
int f[][] = new int[N][N];//函数f(i,j)
for(int i = 1; i <= n; i++) {
v[i] = sc.nextInt();
w[i] = sc.nextInt();
s[i] = sc.nextInt();
}
for(int i = 1; i <= n; i++)
for(int j = 0;j <=m; j++) {
f[i][j] = f[i - 1][j];//不装
for(int k = 1;k <= s[i]; k++ ) {//装
if(j >= k*v[i])//判断是否符合条件
f[i][j] = Math.max(f[i][j], f[i - 1][j - k*v[i]] + k*w[i]);
}
}
System.out.print(f[n][m]);
}
}
至于为什么要用三重循环,而不用完全背包思维对其就简化成二重循环,以下是我的理解。
简化思路(有问题):
A式:dp[i][j]=max(dp[i−1][j],dp[i−1][j−v]+w,dp[i−1][j−2v]+2w,⋯,dp[i−1][j−kv]+kw)(其中k等于s[i]).
令j = j - v 得到
B式:dp[i][j−v]=max(dp[i−1][j−v],dp[i−1][j−2v]+w,⋯,dp[i−1][j−kv]+(k−1)w)
两式联立得
C式:dp[i][j]=max(dp[i−1][j],dp[i][j−v]+w)这个推到的最终结果C式看似没有问题,但如果仔细去分析C式中红色部分:
如果dp[i][j - v]这个状态还想再添加一件第i个物品的话(假设第i个物品的体积为v价值为w),如果第i个物品刚好被装完了,那么dp[i][j] = dp[i][j - v],而不是红线部分的dp[i][j − v] + w,由于这种情况的存在,所以多重背包不能继续套用完全背包的公式。