01背包问题
题目描述
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≤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:动态规划
参数定义:
- N件物品
- V 背包的总容量
- Ci放入第 i 件物品耗费的费用
- Wi放入第 i 件物品得到的价值
定义状态
F [ i , V ] F[i,V] F[i,V] 表示在前 i i i 件物品中选择总重量不超过 V V V 的物品,可以使得总价值最大,其中 1 ≤ i ≤ N 1≤i≤N 1≤i≤N。
对于第 i i i个物品,有两种可能:放入或者不放入
-
不放入第 i 件物品,背包容量不变,问题变为 F [ i − 1 , V ] F[i-1,V] F[i−1,V]
-
放入第 i 件物品,背包容量减小,问题变为 F [ i − 1 , V − C i ] + W i F[i-1,V-Ci]+Wi F[i−1,V−Ci]+Wi ,
因为第 i 件物品已经放进去背包,获取的价值是 Wi,留给前 i−1 件物品的背包容量只有V−Ci
最优方案就是比较两种选择哪个更好,
转移方程
F [ i , v ] = m a x ( F [ i − 1 , v ] , F [ i − 1 , v − C i ] + W i ) F[i,v]=max(F[i-1,v],F[i-1,v-Ci]+Wi) F[i,v]=max(F[i−1,v],F[i−1,v−Ci]+Wi)
边界条件
初始状态 为 0 表示不装任何东西
代码实现
Python
二维DP
N,V = map(int, input().split())
dp = [[0]*(V+1) for _ in range(N)]
for i in range(N):
vi, wi = map(int, input().split())
for j in range(V, vi-1, -1):
dp[i][j] = max(dp[i-1][j], dp[i-1][j-vi]+wi)
print(dp[-1][-1])
时间复杂度 O ( N V ) O(NV) O(NV)
空间复杂度 O ( N V ) O(NV) O(NV)
空间优化-一维DP
V,N = map(int, input().split())
dp = [0] * (V + 1)
for i in range(N):
# print(i)
vi, wi = map(int, input().split())
for j in range(V, vi - 1, -1):
dp[j] = max(dp[j], dp[j - vi] + wi)
print(dp[-1])
时间复杂度 O ( N V ) O(NV) O(NV)
空间复杂度 O ( V ) O(V) O(V)