赞
踩
今天就来说一下背包问题吧,就讨论最常说的 0-1 背包问题。描述:
给你一个可装载重量为 W
的背包和 N
个物品,每个物品有重量和价值两个属性。其中第 i
个物品的重量为 w[i]
,价值为 v[i]
,现在让你用这个背包装物品,最多能装的价值是多少?
举个简单的例子,输入如下:
- N = 4, W = 5
- wt = [2, 2, 4,2]
- val = [4, 1, 3,2]
算法返回 6,选择前两件物品装进背包,总重量 4小于 W
,可以获得最大价值 6。
题目就是这么简单,一个典型的动态规划问题。这个题目中的物品不可以分割,要么装进包里,要么不装,不能说切成两块装一半。这就是 0-1 背包这个名词的来历。
第一步要明确两点,「状态」和「选择」。
先说状态,只要给几个物品和一个背包的容量限制,就形成了一个背包问题呀。所以状态有两个,就是「背包的容量」和「可选择的物品」。再说选择,对于每件物品,选择就是「装进背包」或者「不装进背包」。
第二步要明确 dp
数组的定义。
首先看看刚才找到[状态]和[选择],有两个,也就是说我们需要一个二维 dp
数组。
dp[i][w]
的定义如下:对于前 i
个物品,背包的容量为 w
情况下可以装的最大价值是 dp[i][w].
第三步,根据「选择」,思考状态转移的逻辑。
简单说就是「把物品 i
装进背包」和「不把物品 i
装进背包」用代码体现出来呢?
这就要结合对 dp
数组的定义,看看这两种选择会对状态产生什么影响:
先重申一下刚才我们的 dp
数组的定义:
dp[i][w]
表示:对于前 i
个物品(从 1 开始计数),当前背包的容量为 w
时,这种情况下可以装下的最大价值是 dp[i][w]
。
如果你没有把这第 i
个物品装入背包,那么很显然,最大价值 dp[i][w]
应该等于 dp[i-1][w]
,继承之前的结果。
如果你把这第 i
个物品装入了背包,那么 dp[i][w]
应该等于 v[i-1] + dp[i-1][w - w[i-1]]
。
综上就是两种选择,我们都已经分析完毕,也就是写出来了状态转移方程
我用 Java 写的代码,把上面的思路完全翻译了一遍,并且处理了 w - w[i-1]
可能小于 0 导致数组索引越界的问题
- int bag(int W, int N, int[] wt, int[] v) {
- assert N == wt.length;
- // 定义dp二维数组
- int[][] dp = new int[N + 1][W + 1];
- for (int i = 1; i <= N; i++) {
- for (int w = 1; w <= W; w++) {
- if (w - wt[i - 1] < 0) {
- // 这种情况下只能选择不装入背包 角标越界问题
- dp[i][w] = dp[i - 1][w];
- } else {
- // 装入或者不装入背包,择优
- dp[i][w] = Math.max(
- dp[i - 1][w - wt[i-1]] + v[i-1],
- dp[i - 1][w]
- );
- }
- }
- }
-
- return dp[N][W];
- }

至此,背包问题就解决了,相比而言,我觉得这是比较简单的动态规划问题,因为状态转移的推导比较自然,基本上你明确了
dp
数组的定义,就可以理所当然地确定状态转移了。
小蓝面前有 N 件物品, 其中第 i 件重量是 Wi, 价值是 Vi 。她还有一个背包, 最大承重是 M 。
小蓝想知道在背包称重范围内, 她最多能装总价值多少的物品?
特别值得一提的是, 小蓝可以使用一个魔法 (总共使用一次), 将一件物品 的重量增加 K, 同时价值秝倍。(当然小蓝也可以不使用魔法)
第一行包含 3 个整数 N、M 和 K 。
以下 N 行, 每行两个整数 Wi 和 Vi 。
一个整数代表答案。
- 3 10 3
- 5 10
- 4 9
- 3 8
样例输出
26
样例说明
选择第二件和第三件物品, 同时对第二件物品使用魔法。
评测用例规模与约定
对于 30% 的数据, 1≤N,M,K≤100.
对于 100% 的数据, 1≤N≤2000,1≤M,K≤10000,0≤Wi,Vi≤10000.
运行限制
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。