这个01背包 , 理解了一天才勉强懂点 , 写个博客  (  推荐   http://blog.csdn.net/insistgogo/article/details/8579597)

题目 :

  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。

分析一下 :

  面对一件物品 , 我有两种选择 , 放或者不放 , 如果不放 , 则最大价值是 前 n - 1 件物品放入容量为 j 的背包 , 如果放 , 则最大价值是将前 n - 1 件物品放入剩余容量为 j - c[j] , 此时的

价值是 前 n - 1 件物品放入剩余容量为 v - c[ j ] 的价值加上放入该物品的价值 .......一直此过程 , 最后的最大价值即是 c[ n ] [ v ] 。

( 偷一个图 ):

  

  要怎样去实现这个代码呢 ? 先用最好的理解的二维数组去解决这个问题 , 两个维度分别存的是 物品的个数以及 当前背包的总容量 , 因为我第一层 for 是从 遍历所有的物品 , 即面对某个物品 , 第二层 for  我是遍历体积 , 每次让体积 + 1 , 这样就会产生一种 什么效果呢 ? 在面对每一个物品时 , 我所有的体积都去试一下 , 这个过程 从最终的意义上考虑实际都是在为最后 背包容量满的时候服务 , 这个过程 也就叫做构建最优子结构的过程 , 并且当前产生的结果 , 对后面不会有任何影响 , 也就是无后效性 。

  ( 关于这个代码 , 我感觉有一个地方很精髓 , 就是 当面对 一号 物品时 , 我的状态转移方程考虑的是前 i - 1 个物品 , 即没有物品的时候 , 此时我建立的数组就可以在 i = 0  的位置留出地方 , 并且借助 memset 将这些位置都给 0 )

  (还有 这个的背包容量也可以从 V 开始遍历 直到 1 结束 , 则会打出另一张表)

代码示例 :

  

// 感觉 DP 中的背包问题 就是一个制作表格的过程
// 所制作的表的大小是 n * v #include <iostream>
#include <algorithm>
using namespace std ; int dp[10][500] ; // 定义为全局变量 会被初始化为 0
int weight[15] ;
int value[15] ; int main ( ) {
int n , v ; cin >> n >> v ;
for ( int i = 1 ; i <= n ; i++ ) {
cin >> weight[i] >> value[i] ;
} for ( int i = 1 ; i <= n ; i++ ) {
for ( int j = 1 ; j <= v ; j++ ) {
if ( weight[i] <= j )
dp[i][j] = max ( dp[i-1][j] , dp[i-1][j-weight[i]] + value[i] ) ;
else
dp[i][j] = dp[i-1][j] ; // 如果当前面对此物品背包中不能再放东西 ,但表的这一栏又不能空 ,
// 所以填的数 是这个体积下,没有此物品的体积
}
} cout << dp[n][v] << endl ; return 0 ;
}

二 . 优化空间复杂度

  用二维数组去写的话 , 复杂度为 O (n*v) , 在数据大的时候直接超内存 , 所以可以借助一维数组 , 将复杂度优化为 O (n)

  贴上我的代码 :

    

// 感觉 DP 中的背包问题 就是一个制作表格的过程
// 所制作的表的大小是 n * v
#include <iostream>
#include <algorithm>
using namespace std ; int dp[1500] ; // 定义为全局变量 会被初始化为 0
int weight[15] ;
int value[15] ; int main ( ) {
int n , v ; cin >> n >> v ;
for ( int i = 1 ; i <= n ; i++ ) {
cin >> weight[i] >> value[i] ;
} for ( int i = 1 ; i <= n ; i++ ) {
for ( int j = v ; j >= 1 ; j-- ) {
if ( weight[i] <= j )
dp[j] = max ( dp[j] , dp[j-weight[i]] + value[i] ) ; // 当面对一个物品时 , 此时数组所对应的即是前 i - 1 的价值
}
} cout << dp[v] << endl ; return 0 ;
}

// 用一维数组做 , 感觉和数字三角形的题很像 , 从底下递推 。此背包问题就是 , 在面对每个物品时,不断地更新数组中的数据 , 并且在面对每个物品时 , 其体积是从 V 到 1 递推

// 用一维数组做 , 当面对一个物品 , 在这个位置上 ,数组所存的数即是 在该体积下 , 前 i - 1 件物品的最大价值

有一个问题 : 体积为什么要是逆序递推呢 ?

然后附上我程序的运行结果 :

  

三 .  初始化的细节问题 

  在最优解得背包问题 , 有两种问法 ;

 1 . 在不超过背包容量时 , 如何装会获得最大价值 ?

 2 .当背包恰好装满时 , 获得的最大价值是多少 ?

  两种问法的唯一区别就在于就在于背包是否装满 , 这两种问法的实现仅仅区别于对数组元素的初始化 。

  初始化 f 数组就表示 , 在没有放入任何物品时背包的合法状态 。

  对于恰好装满的情况 , 我应对此二维数组的 dp[ i ] [ 0 ]  初始化为 0 , 因为我在面对一个物品时 , 我此时背包的容量为 0 , 不能再放任何东西 , 即为恰好装满的时候 , 将此 dp 数组其余位置全部初始为  负无穷 , 其余过程全部同上 ... 最后时 输出恰好的最优解 即 dp[ n ][ v ] 。

  对于不超过背包容量的情况 , 我只需要将数组中的元素全部初始为 0 。如果背包并非 要全部装满 , 那么任何背包都有一个合法解 , 即什么也不装 。

恰好装满的二维数组代码 :

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std ; int dp[10][500] ; // 定义为全局变量 会被初始化为 0
int weight[15] ;
int value[15] ; int main ( ) {
int n , v ;
int i , j; cin >> n >> v ;
memset ( dp , 0x8f , sizeof(dp) ) ; // 将数组全部元素初始化为 负无穷
for ( i = 0 ; i <= n ; i++ ) {
dp[i][0] = 0 ;
} for ( i = 1 ; i <= n ; i++ ) {
cin >> weight[i] >> value[i] ;
} for ( i = 1 ; i <= n ; i++ ) {
for ( j = 1 ; j <= v ; j++ ) {
if ( weight[i] <= j ) {
dp[i][j] = max ( dp[i-1][j] , dp[i-1][j-weight[i]] + value[i] ) ;
}
else
dp[i][j] = dp[i-1][j] ;
}
} cout << dp[n][v] << endl ;
return 0 ;
}

恰好装满的一维数组的代码 :

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std ; int dp[1500] ; // 定义为全局变量 会被初始化为 0
int weight[15] ;
int value[15] ; int main ( ) {
int n , v ; memset ( dp , 0x8f , sizeof(dp) ) ;
dp[0] = 0 ;
cin >> n >> v ;
for ( int i = 1 ; i <= n ; i++ ) {
cin >> weight[i] >> value[i] ;
} for ( int i = 1 ; i <= n ; i++ ) {
for ( int j = v ; j >= weight[i] ; j-- ) {
dp[j] = max ( dp[j] , dp[j-weight[i]] + value[i] ) ; // 当面对一个物品时 , 此时数组所对应的即是前 i - 1 的价值
}
} cout << dp[v] << endl ; return 0 ;
}

附上利用机器打得表 :

  

四 . 一个常数的优化

  在用一维数组 , 做背包问题时 , 背包容量是从  v 到 1 遍历 ,但实际上只需要遍历到 weight[ i ] 。

代码示例 :

  

#include <iostream>
#include <algorithm>
using namespace std ; int dp[1500] ; // 定义为全局变量 会被初始化为 0
int weight[15] ;
int value[15] ; int main ( ) {
int n , v ; cin >> n >> v ;
for ( int i = 1 ; i <= n ; i++ ) {
cin >> weight[i] >> value[i] ;
} for ( int i = 1 ; i <= n ; i++ ) {
for ( int j = v ; j >= weight[i] ; j-- ) { ////////// 修改处
dp[j] = max ( dp[j] , dp[j-weight[i]] + value[i] ) ; // 当面对一个物品时 , 此时数组所对应的即是前 i - 1 的价值
}
} cout << dp[v] << endl ; return 0 ;
}

背包的路径输出(板子)

int n,m;
int v[MAX],w[MAX];
int dp[MAX];
bool path[MAX][MAX];
int V;
void solve()
{
memset(dp,0,sizeof(dp));
memset(path,false,sizeof(path));
for(int i=0;i<n;i++)
{
for(int j=V;j>=w[i];j--)
if(dp[j-w[i]]+v[i]>dp[j])
{
dp[j]=dp[j-w[i]]+v[i];
path[i][j]=true;//cout<<i<<j<<endl;
}
}
cout<<dp[V]<<endl;
int ans[MAX];
int k=0;
for(int i=n-1;i>=0;i--)
{
if(path[i][V]){
ans[++k]=i;
V-=w[i];
}
}
//输出所选择的物品
for(int i=k;i>0;i--)
cout<<ans[i]<<endl;
}

DP- 01背包问题的更多相关文章

  1. 动态规划(DP),0-1背包问题

    题目链接:http://poj.org/problem?id=3624 1.p[i][j]表示,背包容量为j,从i,i+1,i+2,...,n的最优解. 2.递推公式 p[i][j]=max(p[i+ ...

  2. 采药 水题 dp 01背包问题 luogu1048

    最基本的01背包,不需要太多解释,刚学dp的同学可以参见dd大牛的背包九讲,直接度娘“背包九讲”即可搜到 #include <cstdio> #include <cstring> ...

  3. dp 0-1背包问题

    0-1背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ),  f[i-1,j] } f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包 ...

  4. 01背包问题之2(dp)

    01背包问题之2 有n个物品,重量和价值分别为wi和vi,从这些物品中挑选出重量不超过W的物品,求所有挑选方案中物品价值总和的最大值 限制条件: 1 <= n <= 100; 1 < ...

  5. 普通01背包问题(dp)

    有n个物品,重量和价值分别为wi和vi,从这些物品中挑选出重量不超过W的物品,求所有挑选方案中物品价值总和的最大值 限制条件: 1 <= n <= 100; 1 <= wi,vi & ...

  6. 01背包问题的延伸即变形 (dp)

    对于普通的01背包问题,如果修改限制条件的大小,让数据范围比较大的话,比如相比较重量而言,价值的范围比较小,我们可以试着修改dp的对象,之前的dp针对不同的重量限制计算最大的价值.这次用dp针对不同的 ...

  7. PAT 甲级 1068 Find More Coins (30 分) (dp,01背包问题记录最佳选择方案)***

    1068 Find More Coins (30 分)   Eva loves to collect coins from all over the universe, including some ...

  8. DP动态规划之01背包问题

    目录 问题描述 问题分析 问题求解 Java代码实现 优化方向一:时间方面:因为是j是整数是跳跃式的,可以选择性的填表. 思考二:处理j(背包容量),w(重量)不为整数的时候,因为j不为整数了,它就没 ...

  9. DP:0-1背包问题

    [问题描述] 0-1背包问题:有 N 个物品,物品 i 的重量为整数 wi >=0,价值为整数 vi >=0,背包所能承受的最大重量为整数 C.如果限定每种物品只能选择0个或1个,求可装的 ...

  10. 0-1背包问题-DP

    中文理解: 0-1背包问题:有一个贼在偷窃一家商店时,发现有n件物品,第i件物品价值vi元,重wi磅,此处vi与wi都是整数.他希望带走的东西越值钱越好,但他的背包中至多只能装下W磅的东西,W为一整数 ...

随机推荐

  1. H3C 高级ACL

  2. H3C DR和BDR选举

  3. linux scull 中的读写代码

    读和写方法都进行类似的任务, 就是, 从和到应用程序代码拷贝数据. 因此, 它们的原型 相当相似, 可以同时介绍它们: ssize_t read(struct file *filp, char   u ...

  4. 【p083】传球游戏

    Time Limit: 1 second Memory Limit: 50 MB [问题描述] 上体育课的时候,小蛮的老师经常带着同学们一起做游戏.这次,老师带着同学们一起做传球游戏. 游戏规则是这样 ...

  5. git如何移除某文件的版本控制

    1:还没有加到版本控制中 (1)还没有git  add 在   .gitignore中添加 (2)已经git add 先   git  rm  -r  --cached   文件 在   .gitig ...

  6. Java8 API学习2 - java.lang.CharSequence, java.lang.String

    CharSequence public interface CharSequence 字符序列接口, 实现此接口的非抽象类有String, StringBuffer, StringBuilder. 从 ...

  7. Spring Boot Admin-应用健康监控后台管理

    Spring Boot Admin 用于监控基于 Spring Boot 的应用,它是在 Spring Boot Actuator 的基础上提供简洁的可视化 WEB UI. 1. 什么是Spring ...

  8. 随机抽样 (numpy.random)

    随机抽样 (numpy.random) 简单的随机数据 rand(d0, d1, ..., dn) 随机值 >>> np.random.rand(3,2) array([[ 0.14 ...

  9. linux 阻塞 open 作为对 EBUSY 的替代

    当设备不可存取, 返回一个错误常常是最合理的方法, 但是有些情况用户可能更愿意等待 设备. 例如, 如果一个数据通讯通道既用于规律地预期地传送报告(使用 crontab), 也用于根据 用户的需要偶尔 ...

  10. Linux 内核 启动时间

    为见到 PCI 如何工作的, 我们从系统启动开始, 因为那是设备被配置的时候. 当一个 PCI 设备上电时, 硬件保持非激活. 换句话说, 设备只响应配置交易. 在上电时, 设备没有内存并且没有 I/ ...