一、题目描述
描述
你有一个背包,最多能容纳的体积是V。
现在有n种物品,每种物品有任意多个,第i种物品的体积为vi ,价值为wi。
(1)求这个背包至多能装多大价值的物品?
(2)若背包恰好装满,求至多能装多大价值的物品?
输入描述:
第一行两个整数n和V,表示物品个数和背包体积。
接下来n行,每行两个数vi和wi,表示第i种物品的体积和价值。
1≤n,V≤10001≤n,V≤1000
输出描述:
输出有两行,第一行输出第一问的答案,第二行输出第二问的答案,如果无解请输出0。
示例1
输入:
2 6 5 10 3 1
输出:
10 2
示例2
输入:
3 8 3 10 9 1 10 1
输出:
20 0
说明:
无法恰好装满背包。
示例3
输入:
6 13 13 189 17 360 19 870 14 184 6 298 16 242
输出:
596 189
说明:
可以装5号物品2个,达到最大价值298*2=596,若要求恰好装满,只能装1个1号物品,价值为189.
题目链接:
二、 解题方法(动态规划)
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
我们根据最后一步的状况,来分情况讨论。但是最后一个 物品能选很多个,因此我们的需要分很多情况:
(1) 选 0 个第 i 个物品 :此时相当于就是去前 i - 1 个物品中挑选,总体积不超过 j 。
此时 最大价值为 dp[i - 1][j] ;
(2) 选 1 个第 i 个物品 :此时相当于就是去前 i - 1 个物品中挑选,总体积不超过 j - v[i] 。因为挑选了一个 i 物品,此时 最大价值为 dp[i - 1][j - v[i]] + w[i];
(3) 选 2 个第 i 个物品 :此时相当于就是去前 i - 1 个物品中挑选,总体积不超过 j - 2 * v[i] 。因为挑选了两个 i 物品,此时 最大价值为 dp[i - 1][j - 2 * v[i]] + 2 * w[i] ;
(4)......
综上,我们的状态转移方程为:
dp[i][j]=max(dp[i-1][j], dp[i-1][j-v[i]]+w[i], dp[i-1][j-2*v[i]]+2*w[i]...)
此时,可以进行优化,优化的方 向就是用一个或者两个状态来表示这一堆的状态,通常就是用数学的方式做一下等价替换。
我们发 现 第二维是有规律的变化的,因此我们去看看 dp[i][j - v[i]] 这个状态:
dp[i][j-v[i]]=max(dp[i-1][j-v[i]],dp[i-1][j-2*v[i]]+w[i],dp[i-1][j-3*v[i]]+2*w[i]...)
我们发现, 把 dp[i][j - v[i]] 加上 w[i] 正好和 dp[i][j] 中除了第一项以外的全部一致 ,因此我们可以修改我们的状态转移方程为:
dp[i][j] = max(dp[i - 1][j], dp[i][j - v[i]] + w[i]) 。
3、初始化
我们多加一行,方便我们的初始化,此时 仅需将第一行初始化为 0 即可 。因为什么也不选,也能
满足体积不大于 j 的情况,此时的价值为 0 。
4、填表顺序
根据状态转移方程, 仅需从上往下填表即可。
5、返回值
根据状态表示,返回 dp[n][V] 。
接下来解决第二问:
因为有可能凑不齐 j 体积的物品,因此我们把不合法的状态设置为 -1 。
1、状态表示
dp[i][j] 表示:从前 i 个物品中挑选,总体积正好等于 j ,所有的选法中,能挑选出来的最大价值。
2、状态转移方程
dp[i][j] = max(dp[i - 1][j], dp[i][j - v[i]] + w[i]) 。
但是在使用 dp[i][j - v[i]] 的时候,不仅要判断 j >= v[i] ,又要判断 dp[i][j - v[i]] 表示的情况是否存在,也就是 dp[i][j - v[i]] != -1 。
3、初始化
我们多加一行,方便我们的初始化:
1) 第一个格子为 0 ,因为正好能凑齐体积为 0 的背包;
2) 但是第一行后面的格子都是 -1 ,因为没有物品,无法满足体积大于 0 的情况。
4、填表顺序
仅需从上往下填表即可。
5、返回值
由于最后可能凑不成体积为 V 的情况,因此返回之前需要判断一下。
三、代码
java
import java.util.Scanner;
// 注意类名必须为 Main, 不要有任何 package xxx 信息
public class Main {
public static void main(String[] args) {
Scanner in = new Scanner(System.in);
//输入n,V
int n = in.nextInt();
int V = in.nextInt();
//创建v,w数组,存每个物品的体积、价值
int[] v = new int[n+1];
int[] w = new int[n+1];
//接下来输入n行,每行两个数vi和wi
for (int i = 1; i <= n; i++) {
v[i] = in.nextInt();
w[i] = in.nextInt();
}
//创建dp数组
int[][] dp = new int[n + 1][V + 1];
//初始化
for (int j = 0; j <= V; j++) {
dp[0][j] = 0;
}
//填表
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if (j >= v[i]) {
dp[i][j] = Math.max(dp[i][j], dp[i][j - v[i]] + w[i]);
}
}
}
System.out.println(dp[n][V]);
//将dp表清零,继续求解第二问
for (int i = 0; i <= n; i++) {
for (int j = 0; j <= V; j++) {
dp[i][j] = 0;
}
}
//初始化dp表
for (int j = 1; j <= V; j++) {
dp[0][j] = -1;
}
//填表
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if (j >= v[i] && dp[i][j-v[i]] != -1) {
dp[i][j] = Math.max(dp[i][j], dp[i][j - v[i]] + w[i]);
}
}
}
//要判断一下,是否存在能将背包装满的情况
System.out.println(dp[n][V] == -1 ? 0 : dp[n][V]);
}
}
四、空间优化
代码:
java
import java.util.Scanner;
// 注意类名必须为 Main, 不要有任何 package xxx 信息
public class Main {
public static void main(String[] args) {
Scanner in = new Scanner(System.in);
//输入n,V
int n = in.nextInt();
int V = in.nextInt();
//创建v,w数组,存每个物品的体积、价值
int[] v = new int[n+1];
int[] w = new int[n+1];
//接下来输入n行,每行两个数vi和wi
for (int i = 1; i <= n; i++) {
v[i] = in.nextInt();
w[i] = in.nextInt();
}
//创建dp数组
int[] dp = new int[V + 1];
//初始化
for (int j = 0; j <= V; j++) {
dp[j] = 0;
}
//填表
for (int i = 1; i <= n; i++) {
for (int j = v[i]; j <= V; j++) {
dp[j] = Math.max(dp[j], dp[j - v[i]] + w[i]);
}
}
System.out.println(dp[V]);
//将dp表清零,继续求解第二问
for (int j = 0; j <= V; j++) {
dp[j] = 0;
}
//初始化dp表
for (int j = 1; j <= V; j++) {
dp[j] = -1;
}
//填表
for (int i = 1; i <= n; i++) {
for (int j = v[i]; j <= V; j++) {
if (dp[j-v[i]] != -1) {
dp[j] = Math.max(dp[j], dp[j - v[i]] + w[i]);
}
}
}
System.out.println(dp[V] == -1 ? 0 : dp[V]);
}
}