题目
有 N N N件物品和一个容量是 V V V的背包。每件物品只能使用一次。
第 i i i件物品的体积是 v i v_{i} vi,价值是 w i w_{i} 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
N
N,
V
V
V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N N N 行,每行两个整数 v i v_{i} vi, w i w_{i} wi,用空格隔开,分别表示第 i i 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
≤
1000
0< N,V\le 1000
0<N,V≤1000
0
<
v
i
,
w
i
≤
1000
0< v_{i},w_{i} \le 1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
解题思路
01背包问题的特点是:每种物品仅有一件,可以选择放或者不放。
方法一:递归
考虑暴力搜索,穷举每一种选择情况,然后对所有情况,求最大值,可以画出如下的递归树:
通过上图,可以很容易得出一个递归表达式:
F
(
n
,
C
)
=
m
a
x
(
F
(
n
−
1
,
C
)
,
F
(
n
−
1
,
C
−
v
[
i
]
)
+
w
[
i
]
)
F\left ( n,C \right ) =max(F\left ( n-1,C \right ), F\left ( n-1,C-v[i] \right ) +w[i] )
F(n,C)=max(F(n−1,C),F(n−1,C−v[i])+w[i])
因此,基于递归的代码如下:
import java.io.*;
import java.util.*;
public class Main {
public static void main(String args[]) throws Exception {
Scanner cin=new Scanner(System.in);
int n = cin.nextInt(); // 物品数量
int c = cin.nextInt(); // 背包容积
int[] v = new int[n]; // 物品的体积
int[] w = new int[n]; // 物品的价值
for (int i = 0; i < n; i++) {
v[i] = cin.nextInt();
w[i] = cin.nextInt();
}
int res = bestValue(v, w, n-1, c);
System.out.println(res);
}
// 用 [0, index] 的物品, 填充容积为c的背包的最大价值
public static int bestValue(int[] v, int[] w, int index, int c) {
if (index < 0 || c <= 0) return 0;
int res = bestValue(v, w, index-1, c); // 不考虑第index件物品
if (c >= v[index]) { // 考虑第index件物品
res = Math.max(res, bestValue(v, w, index-1, c-v[index])+w[index]);
}
return res;
}
}
运行结果
Time Limit Exceeded
方法二:记忆化搜索/备忘录
在方法一的递归树中,会有很多子问题被重复计算。为了避免重复的计算,我们将每个子问题的答案存在一个数组中进行记忆化,如果下次还要计算这个问题的值直接从数组中取出返回即可,这样能保证每个子问题最多只被计算一次。
import java.io.*;
import java.util.*;
public class Main {
// 备忘录
// memo[n][c]表示有前n件物品可选、背包容积为c时的最大价值
static int[][] memo;
public static void main(String args[]) throws Exception {
Scanner cin=new Scanner(System.in);
int n = cin.nextInt(); // 物品数量
int c = cin.nextInt(); // 背包容积
int[] v = new int[n]; // 物品的体积
int[] w = new int[n]; // 物品的价值
for (int i = 0; i < n; i++) {
v[i] = cin.nextInt();
w[i] = cin.nextInt();
}
memo = new int[n][c+1];
for (int i = 0; i < memo.length; i++) {
for (int j = 0; j < memo[0].length; j++) {
memo[i][j] = -1; // 初始化
}
}
int res = bestValue(v, w, n-1, c);
System.out.println(res);
}
// 用 [0, index] 的物品, 填充容积为c的背包的最大价值
public static int bestValue(int[] v, int[] w, int index, int c) {
if (index < 0 || c <= 0) return 0;
if(memo[index][c] != -1) return memo[index][c];
int res = bestValue(v, w, index-1, c); // 不考虑第index件物品
if (c >= v[index]) { // 考虑第index件物品
res = Math.max(res, bestValue(v, w, index-1, c-v[index])+w[index]);
}
memo[index][c] = res;
return res;
}
}
方法三:动态规划
方法二已经满足题目的要求。但是对于这样的一个递归代码,我们更习惯转化为递推,将自顶向下的思路转换为自底向上,这也是记忆化搜索和DP之间的区别所在。
- 状态定义
d p [ i ] [ j ] dp[i][j] dp[i][j]:表示前 i i i件物品可选、背包容积为 j j j下的最大价值 - 状态转移
d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i − 1 ] [ j − v [ i ] ] + w [ i ] ) dp[i][j]=max\left ( dp[i-1][j],dp[i-1][j-v[i]]+w[i] \right ) dp[i][j]=max(dp[i−1][j],dp[i−1][j−v[i]]+w[i])
import java.io.*;
import java.util.*;
public class Main {
public static void main(String args[]) throws Exception {
Scanner cin=new Scanner(System.in);
int n = cin.nextInt(); // 物品数量
int c = cin.nextInt(); // 背包容积
int[] v = new int[n]; // 物品的体积
int[] w = new int[n]; // 物品的价值
for (int i = 0; i < n; i++) {
v[i] = cin.nextInt();
w[i] = cin.nextInt();
}
// dp[i][j]表示:前i件物品可选、背包容积为j下的最大价值
int[][] dp = new int[n][c+1];
// 边界条件:有1件物品可选且背包容积为j时的最大价值
for (int j = 0; j <= c; j++) {
dp[0][j] = (j >= v[0] ? w[0] : 0);
}
for (int i = 1; i < n; i++) {
for (int j = 0; j <= c; j++) {
// 不考虑第i个物品, 前i-1件物品放入容量为j的背包中
dp[i][j] = dp[i-1][j];
// 考虑第i件物品,前i-1件物品放入剩下的容量为j-v[i]的背包中
if ( j >= v[i]) {
dp[i][j] = Math.max(dp[i][j], dp[i-1][j-v[i]]+w[i]);
}
}
}
System.out.println(dp[n-1][c]);
}
}
时间复杂度:
O
(
n
∗
c
)
O\left ( n*c \right )
O(n∗c)
空间复杂度:
O
(
n
∗
c
)
O\left ( n*c \right )
O(n∗c)
空间优化
在上述代码中,定义了一个二维的 d p dp dp数组,考虑能否只用一维数组来保证第 i i i次循环结束后 d p [ j ] dp[j] dp[j]中表示的状态就是我们定义的状态 d p [ i ] [ j ] dp[i][j] dp[i][j]?
在实际的递推中我们发现, d p [ i ] [ j ] dp[i][j] dp[i][j]是由 d p [ i − 1 ] [ j ] dp[i-1][j] dp[i−1][j]和 d p [ i − 1 ] [ j − v [ i ] ] dp[i-1][j-v[i]] dp[i−1][j−v[i]]两个子问题递推而来,如果在每次主循环中我们以 j = c . . . 0 j=c...0 j=c...0的递减顺序计算 d p [ j ] dp[j] dp[j],这样就能保证递推 d p [ j ] dp[j] dp[j]时 d p [ j − v [ i ] ] dp[j-v[i]] dp[j−v[i]]保存的是状态 d p [ i − 1 ] [ j − v [ i ] ] dp[i-1][j-v[i]] dp[i−1][j−v[i]]的值。
import java.io.*;
import java.util.*;
public class Main {
public static void main(String args[]) throws Exception {
Scanner cin=new Scanner(System.in);
int n = cin.nextInt(); // 物品数量
int c = cin.nextInt(); // 背包容积
int[] v = new int[n]; // 物品的体积
int[] w = new int[n]; // 物品的价值
for (int i = 0; i < n; i++) {
v[i] = cin.nextInt();
w[i] = cin.nextInt();
}
int[] dp = new int[c+1];
// 边界条件:有1件物品可选且背包容积为j时的最大价值
for (int j = 0; j <= c; j++) {
dp[j] = (j >= v[0] ? w[0] : 0);
}
for (int i = 1; i < n; i++) {
for (int j = c; j >= v[i]; j--) { // 若j<w[i],则背包中能存放的最大价值不变
dp[j] = Math.max(dp[j], dp[j-v[i]]+w[i]);
}
}
System.out.println(dp[c]);
}
}
时间复杂度:
O
(
n
∗
c
)
O\left ( n*c \right )
O(n∗c)
空间复杂度:
O
(
c
)
O\left ( c \right )
O(c)
练习题目
LeetCode 416. 分割等和子集
LeetCode 474. 一和零
LeetCode 494. 目标和
LeetCode 879. 盈利计划