文章目录
- 背包模板题
- 朴素版代码(二维)
- 思路
- 状态压缩代码(一维)
- 思路
背包模板题
朴素版代码(二维)
#include <iostream>
#include <algorithm>
using namespace std;const int N = 1010;int n, m;
int v[N], w[N];
int dp[N][N];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 = 1; j <= m; j ++ ) {if (j < v[i]) dp[i][j] = dp[i - 1][j];else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);}cout << dp[n][m] << endl;return 0;
}
思路
(1)状态 dp[ i ][ j ] 定义:前 i 个物品,背包容量 j 下的最优解(最大价值)
(2)当前背包容量不够( j < v[ i ]),没得选,因此前 i 个物品最优解即为前 i − 1 个物品最优解:对应代码:dp[ i ][ j ] = dp[ i - 1 ][ j ]
(3)当前背包容量够,可以选,因此需要决策选与不选第 i 个物品:
- 选:dp[ i ][ j ] = dp[ i - 1 ][ j - v[ i ] ] + w[ i ]
- 不选:dp[ i ][ j ] = dp[ i - 1 ][ j ]
我们的决策是如何取到最大价值,因此以上两种情况取 max()
(4)如何理解:dp[ i ][ j ] = dp[ i - 1 ][ j - v[ i ] ] + w[ i ] ?
- 先放入当前物品 i,再选择前 i - 1 个物品且总体积小于等于 j - v[ i ] 的最大价值的方案,即:dp[ i - 1 ][ j - v[ i ] ] + w[ i ]
状态压缩代码(一维)
#include <iostream>
#include <algorithm>
using namespace std;const int N = 1010;int n, m, v, w;
int dp[N];int main()
{cin >> n >> m;for (int i = 1; i <= n; i ++ ) {cin >> v >> w;for (int j = m; j >= v; j -- ) dp[j] = max(dp[j], dp[j - v] + w);}cout << dp[m] << endl;return 0;
}
思路
(1)状态 dp[ j ] 定义:N 件物品,背包容量 j 下的最优解
(2)为什么一维情况下枚举背包容量需要逆序? 在二维情况下,状态 dp[ i ][ j ] 是由上一轮 i - 1 的状态得来的,dp[ i ][ j ] 与 dp[ i - 1 ][ j ] 是独立的。而优化到一维后,如果我们还是正序,则有可能本应该用第 i - 1 轮的状态却用的是第 i 轮的状态
(3)我们的代码循环到第 i 轮的时候,dp[ j ] 就是前 i 轮已经决策的物品且背包容量 j 下的最大价值。 因此当执行完循环结构后,由于已经决策了所有物品,dp[ j ] 是所有物品背包容量 j 下的最大价值,即一维 dp[ j ] 等价于二维 dp[ n ][ j ]