链接:https://www.acwing.com/problem/content/2/
根据动态规划解题步骤(问题抽象化、建立模型、寻找约束条件、判断是否满足最优性原理、找大问题与小问题的递推关系式、填表、寻找解组成)找出01背包问题的最优解以及解组成,然后编写代码实现;
动态规划与分治法类似,都是把大问题拆分成小问题,通过寻找大问题与小问题的递推关系,解决一个个小问题,最终达到解决原问题的效果。但不同的是,分治法在子问题和子子问题等上被重复计算了很多次,而动态规划则具有记忆性,通过填写表把所有已经解决的子问题答案纪录下来,在新问题里需要用到的子问题可以直接提取,避免了重复计算,从而节约了时间,所以在问题满足最优性原理之后,用动态规划解决问题的核心就在于填表,表填写完毕,最优解也就找到。
把背包问题抽象化,每件物品我们可以选、不选,两种情况。怎么确定选与不选?在此问题中,判断选了的当前物品选了的价值大,还是不选的价值大。
但上面所说的有前提:背包能装下当前的物品。装不下一切免谈。
所以情况如下:(j表示当前背包容量,V(i,j)是当前背包容量 j,前 i 个物品最佳组合对应的价值;)
#include <iostream>
using namespace std;
int main() {
int N, V;
int v[1001] = {0}, w[1001] = {0};
// v物品体积,w物品价值
int value[1001][1001] = {0};
cin >> N >> V;
for (int i = 1; i <= N; ++i) {
cin >> v[i] >> w[i];
}
for (int i = 1; i <= N; ++i) { // i循环物品数量
for (int j = 1; j <= V; ++j) { // j循环背包容量
if (j < v[i]) {
value[i][j] = value[i - 1][j];
} else {
value[i][j] = max(value[i - 1][j], value[i - 1][j - v[i]] + w[i]);
// 其中V(i-1,j)表示不装,
// V(i-1,j-v(i))+w(i) 表示装了第i个商品,背包容量减少v(i)但价值增加了w(i);
}
}
}
int res = 0;
for (int k = 0; k <= V; ++k) {
res = max(res, value[N][k]);
}
cout << res << endl;
return 0;
}