一个背包有一定的承重cap,有N件物品,每件都有自己的价值,记录在数组v中,也都有自己的重量,记录在数组w中,每件物品只能选择要装入背包还是不装入背包,要求在不超过背包承重的前提下,选出物品的总价值最大。
给定物品的重量w价值v及物品数n和承重cap。请返回最大总价值。
经典动态规划问题,类似于找零钱问题,只不过在填数字的时候需要计算本次放入物品的价值,并且在下次填数的时候需要比较。
定义二维数组,行数为可用的物品的件数,列数为背包总重量。略有不同的是需要将件数跟总重量需要置零来作为初始状态。
首先定义初始状态,res[0][0]代表共有零件物品,背包可以装0kg重量,自然res[0][0]=0,并且很显然,res[0][i]与res[i][0]都为0,初始状态设定完毕。
对于之后的矩阵,res[i][j]即为第i 件物品,来填入容量为j kg的包中,是否填入,判断是否填入的依据自然是使得res[i][j]取得最大的值,状态一共有两种
1、不填入第i件物品,那么res[i][j]=res[i-1][j],2、填入第i件物品,那么就需要背包中需要有足够的空间,否则只能是一情况,在满足空间条件后,res[i][j]=res[i-1][j-w[i-1]]+v[i-1](此处需要注意,因为无论在w还是v中均加入了一个0作为初始值,所以在这里遍历到i时实际上在数组中对应的是i-1)。
背包问题实际上与之前的凑零钱问题类似,都是慢慢的扩大物品数量与总数,由小问题的最优解来求得大问题的最优解。代码如下
class Backpack {
public:
int maxValue(vector<int> w, vector<int> v, int n, int cap) {
// write code here
vector<int> sub(cap+1);
vector<vector<int>> res(n+1,sub);
int i,j,m;
for(i=0;i<=n;i++) res[i][0]=0;
for(i=0;i<=cap;i++) res[0][i]=0;
for(i=1;i<=n;i++){
for(j=1;j<=cap;j++){
m=res[i-1][j];
if(j>=w[i-1]){ //如果包的总重量大于当前物品,我们才会考虑是否要将他放入包中,否则直接返回同重量,上一物品的最大值,因为加这件物品与没加实际上在背包总价值上是不影响的,如果满足条件,而我们有需要将它放入背包,则背包必须还有足够的空间来装他,所以我们就去寻找在背包还有这么多空间时,背包里价值的最大值,加上这件物品的价值,即为计入这件物品时背包价值的最大值。
m=max(res[i-1][j - w[i-1]]+v[i-1],m); //之后比较两种情况哪一种最大值更大一些,则返回。这里需要理解一件事情,那就是对于res[i][j]来说,当前物品是否放入背包我们并不感兴趣,我们只是得到这个空上的值是当前选择中最大值
}
res[i][j]=m;
}
}
return res[n][cap];
}
};