题目链接:
http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=17434
动态规划:
经典的01背包问题
有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。
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f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是:
f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
将它详细解释一下:
“将前i件物品放入容量为v的背包中”这个子问题,若只考虑第i件物品的策略(放或不放),那么就可以转化为一个只牵扯前i-1件物品的问题。
如果不放第i件物品,那么问题就转化为“前i-1件物 品放入容量为v的背包中”,价值为f[i-1][v];
如果放第i件物品,那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”,此时能获得的最大价值就是f[i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。
先考虑上面讲的基本思路如何实现,肯定是有一个主循环i=1..N,每次算出来二维数组f[i][0..V]的所有值。
那么,如果只用一个数组 f[0..V],能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢?
f[i][v]是由f[i-1][v]和f[i-1] [v-c[i]]两个子问题递推而来,能否保证在推f[i][v]时(也即在第i次主循环中推f[v]时)能够得到f[i-1][v]和f[i-1] [v-c[i]]的值呢?
事实上,这要求在每次主循环中我们以v=V..0的顺序推f[v],这样才能保证推f[v]时f[v-c[i]]保存的是状态 f[i-1][v-c[i]]的值。
伪代码如下:
for i=1..N
for v=V..0
f[v]=max{f[v],f[v-c[i]]+w[i]};
其中的f[v]=max{f[v],f[v-c[i]]}一句恰就相当于我们的转移方程f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]},因为现在的f[v-c[i]]就相当于原来的f[i-1][v-c[i]]。
最后的f[v]就是问题的最优解了。
抽象模型:
过程ZeroOnePack,表示处理一件01背包中的物品,两个参数cost、weight分别表明这件物品的费用和价值。
procedure ZeroOnePack(cost,weight)
for v=V..cost
f[v]=max{f[v],f[v-cost]+weight}
1 #include<cstdio> 2 #include<cstring> 3 const int MAXL = 1000+5; 4 int max(int a, int b){ return a>b ? a : b;} 5 int t, n, v, value[MAXL], volume[MAXL], dp[MAXL]; 6 7 int main(){ 8 scanf("%d", &t); 9 while(t--){ 10 scanf("%d%d", &n, &v); 11 for(int i = 1; i <= n; i++) scanf("%d", &value[i]); 12 for(int i = 1; i <= n; i++) scanf("%d", &volume[i]); 13 memset(dp, 0, sizeof(dp)); 14 for(int i = 1; i <= n; i++){ 15 for(int j = v; j >= volume[i]; j--){ // 注意j的停止条件,一是防止越界,二是小于0后的答案就是dp[j],已经计算过了 16 //从v遍历至0的逆序可以保证dp[j-volume[i]]是上一层的计算结果, 17 //又因为dp数组第二维的v只涉及到上一层的数据,其他层的数据都不会再访问 18 //从而省去dp数组的第一维度,每次都对之前的数据进行刷新,节省空间复杂度至O(n); 19 dp[j] = max(dp[j], dp[j-volume[i]]+value[i]); 20 } 21 } 22 printf("%d ", dp[v]); 23 } 24 25 return 0; 26 }