题目:假设你是一个小偷,有一个可放总重量为m(m<1000)的背包。现有n(n<32)件物品。
总量分别为W1,W2,...,Wn。并且,物品具有价值,分别为V1,V2,...,Vn。m、n、Wi(1=<i<=n)均为正整数,
现要求你尝试挑选几件物品,使这些物品重量之和为m。求能装入的最大总价值。
输入格式:
第一行为两个正整数m和n
接下来n行分别为n对整数,分别表示该物品的重量和价值。
Example:
Input:
4 3
1 1500
3 2000
4 3000
Output:
3500
【分析】 假设物品1为吉他(G表示)、物品2为音响(S表示)、物品3为笔记本电脑(C表示)
dp[i][j]表示前i件物品,在重量为j时的最大价值。很明显,出口即为第0行(没有物品)和第0列(没有背包空间)。
状态转移方程
dp[i-1][j],W[i]>j(装不下,当没看见物品i吧)
max(dp[i-1][j],dp[i-1][j-W[i]]+V[i]) ,W[i]<=j(装的下,聪明的你选择装与不装的最佳方案)
以上是未优化的01背包分析,为方便读者,没有删除,省得翻之前的文章了。
由为优化的0/1背包分析可知,dp[i][j]只与上一行有关,因此,可以只保留一行。另外,W[i]与V[i]也可只保留一个。
减少空间复杂度。
dp[j]表示背包重量为j时,在看见前i件物品时的最高价值。
状态转移方程:
dp[j],W>j
max(dp[j-W]+V,dp[j]),W<=j比较价值
代码:
/*
Project: dp_01bag_better
Date: 2019/01/11
Author: Frank Yu
题目:假设你是一个小偷,有一个可放总重量为m(m<1000)的背包。现有n(n<32)件物品。
总量分别为W1,W2,...,Wn。并且,物品具有价值,分别为V1,V2,...,Vn。m、n、Wi(1=<i<=n)均为正整数,
现要求你尝试挑选几件物品,使这些物品重量之和为m。求能装入的最大总价值。
输入格式:
第一行为两个正整数m和n
接下来n行分别为n对整数,分别表示该物品的重量和价值。
Example:
Input:
4 3
1 1500
3 2000
4 3000
Output:
3500
【分析】 假设物品1为吉他(G表示)、物品2为音响(S表示)、物品3为笔记本电脑(C表示)
dp[i][j]表示前i件物品,在重量为j时的最大价值。很明显,出口即为第0行(没有物品)和第0列(没有背包空间)。
状态转移方程
dp[i-1][j],W[i]>j(装不下,当没看见物品i吧)
max(dp[i-1][j],dp[i-1][j-W[i]]+V[i]) ,W[i]<=j(装的下,聪明的你选择装与不装的最佳方案)
以上是未优化的01背包分析,为方便读者,没有删除,省得翻之前的文章了。
由为优化的0/1背包分析可知,dp[i][j]只与上一行有关,因此,可以只保留一行。另外,W[i]与V[i]也可只保留一个。
减少空间复杂度。
dp[j]表示背包重量为j时,在看见前i件物品时的最高价值。
状态转移方程:
dp[j],W>j
max(dp[j-W]+V,dp[j]),W<=j比较价值
*/
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<cmath>
#include<string>
#include<set>
#include<list>
#include<vector>
#include<map>
#include<iterator>
#include<algorithm>
#include<iostream>
#define maxm 1000
#define maxn 32
using namespace std;
//打印表
void display(int dp[maxm],int m)
{
for(int i=0;i<=m;i++)
cout<<dp[i]<<" ";
cout<<endl;
}
//主函数
int main()
{
int m, n;
int dp[maxm];
memset(dp,0,sizeof(dp));
scanf("%d", &m);
scanf("%d", &n);
//填表
for(int i=1;i<=n;i++)
{
int W,V;
scanf("%d",&W);
scanf("%d",&V);
for(int j=m;j>=W;--j)//从后向前
{
int choose = dp[j-W]+V;//选了,价值增加
if(choose>dp[j])dp[j]=choose;
}
}
display(dp,m);//调试用
printf("%d",dp[m]);
return 0;
}
结果截图:
请看完全背包:动态规划-完全背包(含全部代码)