01揹包問題和完全揹包問題

在hihocoder上面的題目中看到的這個問題，總結一下。先看01揹包問題。

01揹包問題：乙個揹包總容量為v，現在有n個物品，第i個物品體積為weight[i]，價值為value[i]，現在往揹包裡面裝東西，怎麼裝能使揹包的內物品價值最大？

看到這個問題，可能會想到貪心演算法，但是貪心其實是不對的。例如最少硬幣找零問題，要用動態規劃。動態規劃思想就是解決子問題並記錄子問題的解，這樣就不用重複解決子問題了。

動態規劃先找出子問題，我們可以這樣考慮：在物品比較少，揹包容量比較小時怎麼解決？用乙個陣列f[i][j]表示，在只有i個物品，容量為j的情況下揹包問題的最優解，那麼當物品種類變大為i+1時，最優解是什麼？第i+1個物品可以選擇放進揹包或者不放進揹包（這也就是0和1），假設放進揹包（前提是放得下），那麼f[i+1][j]=f[i][j-weight[i+1]+value[i+1]；如果不放進揹包，那麼f[i+1][j]=f[i][j]。

這就得出了狀態轉移方程：

f[i+1][j]=max(f[i][j],f[i][j-weight[i+1]+value[i+1])。

可以寫出**測試：

#includeusing namespace std;

#define v 1500

unsigned int f[10][v];//全域性變數，自動初始化為0

unsigned int weight[10];

unsigned int value[10];

#define max(x,y) (x)>(y)?(x):(y)

int main()

for (int i=1; i<=n; i++)

for (int j=1; j<=m; j++)

else

f[i][j]=f[i-1][j];

} cout<

再進一步思考，計算f[i][j]時只使用了f[i-1][0……j]，沒有使用f[i-1][j+1]這樣的話，我們先計算j的迴圈時，讓j=m……1，只使用乙個一維陣列即可。

for i=1……n

for j=m……1

f[j]=max(f[j],f[j-weight[i]+value[i])

#includeusing namespace std;

#define v 1500

unsigned int f[v];//全域性變數，自動初始化為0

unsigned int weight[10];

unsigned int value[10];

#define max(x,y) (x)>(y)?(x):(y)

int main()

for (int i=1; i<=n; i++)

for (int j=m; j>=1; j--)

} cout《乙個揹包總容量為v，現在有n個物品，第i個物品體積為weight[i]，價值為value[i]，每個物品都有無限多件，現在往揹包裡面裝東西，怎麼裝能使揹包的內物品價值最大？

對比一下，看到的區別是，完全揹包問題中，物品有無限多件。往揹包裡面新增物品時，只要當前揹包沒裝滿，可以一直新增。那麼狀態轉移方程為：

f[i+1][j]=max(f[i][j-k*weight[i+1]]+k*value[i+1])，其中0<=k<=v/weight[i+1]

使用記憶體為一維陣列，偽**

for i=1……n

for j=1……m

f[j]=max(f[j],f[j-weight[i]+value[i])

和01揹包問題唯一不同的是j是從1到m。01揹包問題是在前乙個子問題（i-1

種物品）的基礎上來解決當前問題（i

種物品），向i-1種物品時的揹包新增第i種物品；而完全揹包問題是在解決當前問題（i種物品），向i種物品時的揹包新增第i種物品。

**如下：

#includeusing namespace std;

#define v 1500

unsigned int f[v];//全域性變數，自動初始化為0

unsigned int weight[10];

unsigned int value[10];

#define max(x,y) (x)>(y)?(x):(y)

int main()

for (int i=1; i<=n; i++)

for (int j=1; j<=m; j++)

} cout<

01揹包問題和完全揹包問題

01揹包問題和完全揹包問題

01揹包問題和完全揹包問題

01揹包問題和完全揹包問題

相關推薦