01背包问题(动态规划)(详细图解)

这篇具有很好参考价值的文章主要介绍了01背包问题(动态规划)(详细图解)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

题目:

题解:

图表解析: 

详细例子:

题目:

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的积是 vi,价值是 wi。

求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。

输入格式:

第一行两个整数,N,V ,用空格隔开,分别表示物品数量和背包容积。

接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。

输出格式:

输出一个整数,表示最大价值。

数据范围:

0<N,V≤1000
0<vi,wi≤1000

输入样例:

4 5
1 2
2 4
3 4
4 5

输出样例:

8

题解:

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1005;
int v[N]; //体积
int w[N]; //价值
int f[N][N]; //f[i][j], j体积下前i个物品的最大价值
int main()
{
	int n, m;
	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])
			{
				//如果当前背包容量小于第i个物品的体积,那最大价值就是前i-1个物品里面选的最大价值
				f[i][j] = f[i - 1][j];
			}
			else
			{	//如果能装得下第i个物品,就判断一下选和不选第i个物品哪个最大价值大 
				f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
			}
		}
	}
	cout << f[n][m] << endl;
	return 0;
}

图表解析: 

01背包问题(动态规划)(详细图解),数据结构与算法,动态规划,算法,c++

如图所示:该二维数组第一行代表只从前1个物品中选,背包容量是1,2,3,4,5情况下的最大价值。第一个物品的体积是1,价值是2。所以在只从前1个物品里面选的情况下,无论后面背包容量是多少,最大价值都只是把第一个物品放进背包,所以第一行的最大价值就是2。所以其实该二维数组存的就是在背包容量是j的情况下从前i个物品里面选的最大价值。可以看成一个总问题,但其实这个数组里面记录了所有子问题的解。每一个更大的问题都是在子问题的基础上推导而来。


小tips:如果数组声明为全局变量,那么默认里面全都是0。如果初始在主函数里面,那么里面的值是随机数垃圾数据。所以本题不需要初始化行等于0或者列等于0的情况,里面默认都是0了,在背包容量为j,从前零个物品里面选或者背包容量为0,从前i个物品里面选这两种情况的最大价值肯定是0。


推导过程:始终从第一个物品开始决策选还是不选该物品,然后存下当前情况下的最大价值。

如果背包容量小于当前待决策物品的体积,那么肯定是放不下的,所以最大价值就是当前背包容量下,从前i-1个物品里面选的最大价值。

如果能放下,就从选或者不选这两种情况里面选最大价值的情况。

先说不选的,不选的话就是从前i-1个物品里面选,且背包容量就是当前的j情况下的最大价值。

如果选,那么就是背包容量减去要选的物品的体积,且从前i-1个物品里面选出来的最大价值再加上第i个物品的价值。因为这样才能确保第i个物品能放的进去。

最后输出二维数组右下角的数据即为题目所求。


详细例子:

01背包问题(动态规划)(详细图解),数据结构与算法,动态规划,算法,c++

 比如在判断f[3][5]时,即:在背包容量是5,从前三个物品里面选时,最大价值是什么。就要决定一下是否选择第三个物品,如果不选第三个物品,就是背包容量为5,从前两个物品里面选的最大价值,即f[2][5],如果选,那就得先把第三个物品的空间腾出来,也就是5减去第三个物品的体积3,也就是从前两个物品里面选,背包容量是2的情况下的最大价值再加上第三件物品的价值4,也就是4+4=8。然后看看这两种做法哪种最大价值最大,显然8>6,所以要选第三件物品。文章来源地址https://www.toymoban.com/news/detail-773693.html

到了这里,关于01背包问题(动态规划)(详细图解)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【动态规划专栏】-- 01 背包问题 -- 动态规划经典题型

    目录 背包问题概述 01 背包问题 01背包⭐⭐  【算法原理】 第一问 第二问 C++ 算法代码 复杂度分析 【空间优化 - 滚动数组】 C++ 算法代码 复杂度分析 分割等和子集⭐⭐ 【算法原理】  对于类01背包问题 C++ 算法代码  【空间优化 - 滚动数组】  C++ 算法代码 目标和⭐⭐ 【算

    2024年02月05日
    浏览(54)
  • 动态规划(01背包问题)

    本文默认读者具有动态规划前置知识 动态规划的特点: 重叠子问题 状态转移方程 最优子结构 题型: 求最值 解题套路: 明确【状态】 明确【选择】 明确dp函数/数据的定义 明确base case 例:给你一个可装载容量为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

    2024年04月16日
    浏览(37)
  • 动态规划——01背包问题

    由于本人实力尚浅,接触算法没多久,写这篇blog仅仅是想要提升自己对算法的理解,如果各位读者发现什么错误,恳请指正,希望和大家一起进步。(●’◡’●) 状态表示 :用一个数组 f[][] (数组可能是一维也可能是二维,根据具体题目具体分析)来表示某个集合,这个集合

    2024年02月03日
    浏览(42)
  • 动态规划01背包问题

    假设你是一名经验丰富的探险家,背着背包来到野外进行日常探险。天气晴朗而不燥热,山间的风夹杂着花香,正当你欣赏这世外桃源般的美景时,突然,你发现了一个洞穴,这个洞穴外表看起来其貌不扬,但凭借着惊为天人的直觉,这个洞穴不简单。于是,你开始往洞穴内

    2024年02月06日
    浏览(41)
  • 动态规划_01背包问题

    描述 一个旅行者有一个最多能装   M   公斤的背包,现在有   n   件物品,它们的重量分别是   W 1 ​ , W 2 ​ , ... , W n ​ , 它们的价值分别为   C 1 ​ , C 2 ​ , ... , C n ​ ,求旅行者能获得最大总价值。 输入描述 第 1 行:两个整数, M   (背包容量, M ≤ 200   )和   N  

    2024年04月29日
    浏览(39)
  • 【动态规划】01背包问题

    动态规划是一种非常常见的算法,不论是在我们平时刷题的过程中还是在竞赛中,总会见到动态规划的身影,而动态规划又分为很多种,其中01背包问题是非常典型的一类动态规划问题。如果大家之前没有了解过动态规划,建议大家先去学习学习动态规划,直接开始01背包问题

    2024年04月15日
    浏览(47)
  • 动态规划-01背包问题

    算法思路: 背包问题的状态表⽰⾮常经典,如果⼤家不知道怎么来的,就把它当成⼀个「模板」记住吧~ 我们先解决第⼀问: 1. 状态表⽰ : dp[i][j] 表⽰:从前 i 个物品中挑选,总体积「不超过」 j ,所有的选法中,能挑选出来 的最⼤价值。 2. 状态转移⽅程 : 线性 dp 状态

    2024年04月11日
    浏览(42)
  • 动态规划:01背包问题(二)

    上篇博客动态规划:01背包问题(一)将的是用二维数组来解决,而本篇博客就是把二维dp数组降为一维dp数组(滚动数组)在使用二维数组的时候,递推公式:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 其实可以发现如果 把dp[i - 1]那一层拷贝到dp[i]上 ,表达式完全可以是

    2024年01月22日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包