题目链接:点击这里
01背包问题描述:
有 件物品和一个容量为 的背包。放入第 件物品耗费的费用是 ,得到的价值是 。求解将哪些物品装入背包可使价值总和最大。
这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。
用子问题定义状态:即 表示前 件物品恰放入一个容量为 的背包可以获得的最大价值。
则其状态转移方程便是:
这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来的。
所以有必要将它详细解释一下:“将前 件物品放入容量为 的背包中”这个子问题,若只考虑第 件物品的策略(放或不放),那么就可以转化为一个只和前 件物品相关的问题。
- 如果不放第 件物品,那么问题就转化为“前 件物品放入容量为 的背包中”,价值为 ;
- 如果放第 件物品,那么问题就转化为“前 件物品放入剩下的容量为 的背包中”,此时能获得的最大价值就是 再加上通过放入第 件物品获得的价值 。
注意到 只与之前的状态 有关,所以可以枚举 从 到 , 从 到 ,通过边界 (即前 件物品放入任何容量的背包中都只能获得价值 )就可以把整个 数组递推出来。
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int v[N], w[N];
int f[N][N];
int n, m;
int main()
{
cin>>n>>m;
for(int i = 1; i <= n; ++i) cin>>v[i]>>w[i];
for(int i = 1; i <= n; ++i)
{
for(int j = 0; j <= m; ++j)
{
f[i][j] = f[i-1][j];
if(j >= v[i]) f[i][j] = max(f[i][j], f[i-1][j-v[i]] + w[i]);
}
}
cout<<f[n][m]<<endl;
return 0;
}
以上方法的时间和空间复杂度均为 ,其中时间复杂度应该已经不能再优化了,但空间复杂度却可以优化到 。
先考虑上面讲的基本思路如何实现,肯定是有一个主循环 ,每次算出来二维数组 的所有值。
那么,如果只用一个数组 ,能不能保证第 次循环结束后 中表示的就是我们定义的状态 呢?
是由 和 两个子问题递推而来,能否保证在推 时(也即在第 次主循环中推 时)能够取用 和 的值呢?
事实上,这要求在每次主循环中我们以 的递减顺序计算 ,这样才能保证计算 时 保存的是状态 的值。
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int v[N], w[N];
int f[N];
int n, m;
int main()
{
cin>>n>>m;
for(int i = 1; i <= n; ++i) cin>>v[i]>>w[i];
for(int i = 1; i <= n; ++i)
{
for(int j = m; j >= v[i]; --j)
{
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
cout<<f[m]<<endl;
return 0;
}
【补充】
我们看到的求最优解的背包问题题目中,事实上有两种不太相同的问法。
有的题目要求“恰好装满背包”时的最优解,有的题目则并没有要求必须把背包装满。
一种区别这两种问法的实现方法是在初始化的时候有所不同。
-
如果是第一种问法,要求恰好装满背包,那么在初始化时除了 为 ,其它 均设为 ,这样就可以保证最终得到的 是一种恰好装满背包的最优解。
-
如果并没有要求必须把背包装满,而是只希望价格尽量大,初始化时应该将 全部设为 。
这是为什么呢?
可以这样理解:初始化的 数组事实上就是在没有任何物品可以放入背包时的合法状态。
-
如果要求背包恰好装满,那么此时只有容量为 的背包可以在什么也不装且价值为 的情况下被“恰好装满”,其它容量的背包均没有合法的解,属于未定义的状态,应该被赋值为 了。
-
如果背包并非必须被装满,那么任何容量的背包都有一个合法解“什么都不装”,这个解的价值为 ,所以初始时状态的值也就全部为 了。
这个小技巧完全可以推广到其它类型的背包问题。