目录
一、01背包
问题描述:
有一个背包,背包总的承载重量是 Wkg,有 n 个物品(每个物品只有一件),每个物品的重量不等,并且不可分割。在不超过背包所能装载重量的前提下,如何让背包中物品的总重量最大?
之所以叫做01背包是因为物品要么装(只能装1次)要么不装(0)。
解题思路:
利用动态规划思想,假设dp[i][j]表示前i件物品背包容量为j的情况下所能装的最大重量,v[i] 表示第i件物品的价值,w[i]表示第i件物品重量,则
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]) (i = 0, 1, ..., n; j = 0, 1, ... , W)
其中dp[i - 1][j]是当前第i件物品不放入背包的总价值,dp[i - 1][j - w[i]] + v[i]是当前物品放入背包的总价值;参考代码为:
dp[0][0] = 0;
for (int i = 1; i <= n; i++) {
for (int j = W; j >= w[i]; j--) {
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
}
}
通常二维数组还可以优化为一维数组,即dp[j] = max(dp[j], dp[j - w[i]] + v[i])(i = 0, 1, ..., n; j = 0, 1, ..., W)
但这时要求max函数里的dp[j]必须是前一个状态的值,然后用最大值覆盖dp[j],所以此时内层循环应该逆序:
dp[0] = 0;
for (int i = 1; i <= n; i++) {
for (int j = W; j >= w[i]; j--) {
dp[j] = max(dp[j], dp[j - w[i]] + v[i]);
}
}
二、完全背包
问题描述:
完全背包与01背包的区别在于每件物品不止有一件,而是无数件。
解题思路:
对于装单件物品的数量,可以采取贪心算法的思想,最大不超过背包重量限定值w即可,所以每件物品装的最大数量为 W/c[i] 向下取整的值,此时的状态转移方程变为:
dp[i][j] = max(dp[i - 1][j - k * w[i]] + k * v[i]) (i = 0, 1, ..., n; j = 0, 1, ..., W; k = 0, 1, 2, ..., W/c[i])
参考代码为:
dp[0][0] = 0;
int maxtemp = 0;
for (int i = 1; i <= n; i++) {
for (int j = w[i]; j <= W; j++) {
for (int k = 1; k <= W / w[i]; k++)
maxtemp = max(maxtemp, dp[i - 1][j - k * w[i]] + v[i]);
dp[i][j] = max(maxtemp, dp[i][j]);
}
}
转换为一维数组:dp[j] = max(dp[j], dp[j- w[i]] + v[i]),此时的代码为:
dp[0] = 0;
for (int i = 1; i <= n; i++) {
for (int j = w[i]; j <= W; j++) {
dp[j] = max(dp[j], dp[j - w[i]] + v[i]);
}
}
此时的内层循环是顺序的,所以dp[j]表示的是当前状态的最大价值,从二维数组的状态转移方程可以看出来,完全背包不需要跟前一个状态的自身值相比,所以是顺序的。