动态规划 01背包问题 滚动数组 C++实现

动态规划 01背包问题 滚动数组 C++实现

相关内容

动态规划 01背包问题 C++实现

01背包问题

有n中物品,每种只有一个,第i中物品的体积为Vi,重量为Wi,可以选择这些物品放入背包或者不放入背包,是的背包内物品在总体积不超过容量capacity的前提下重量尽量大

算法思想

动态转移方程为d[currentCapacity] = max(d[currentCapacity], d[currentCapacity - items[i].volume] + items[i].weight);d[currentCapacity]表示将选取的前i个物品装入容量为currenCapacity的背包中的所能达到的最大总重量,d[currentCapacity - items[i].volume] + items[i].weight表示选取前i-1个物品装入容量为currentCapacity- items[i].volume的背包得到的最大重量加上当前物品的重量,其中currentCapacity减去items[i].volume,即减去了当前物品的体积,保证在背包容量能够容纳当前物品的情况下选取,d[currentCapacity - items[i].volume]的值为选取前i-1个物品装入容量为currentCapacity- item[i].volume的背包中最大重量(已经在上一个阶段计算出来),对于每个物品装入不同容量的背包中的情况,从背包最大容量capacity0从右往左计算,则在利用动态转移方程计算当前对应d数组值时,d[currentCapacity - items[i].volume]还是上一个状态的值没有改变,若左往右计算则会改变,导致得到意料之外的结果。

int Knapsack::dynamicProgramming() {for (int i = 0; i < d.size(); i++) {d[i] = 0;}for (int i = 0; i < items.size(); i++) {for (int currentCapacity = capacity; currentCapacity >= 0; currentCapacity--) {if (currentCapacity >= items[i].volume) {d[currentCapacity] = max(d[currentCapacity], d[currentCapacity - items[i].volume] + items[i].weight);}}}return d[capacity];
}

样例图解

从右往左计算,计算d数组对应值时,前面的d[currentCapacity - items[i].volume]未被更改可以直接使用,将二维数组降低到一维,利用滚动数组减少内存开销,但只有最后一个状态的值

实现代码

/*
author : eclipse
email  : eclipsecs@qq.com
time   : Tue Jun 16 11:57:03 2020
*/
#include <bits/stdc++.h>
using namespace std;struct Item {int volume;int weight;
};class Knapsack {
private:vector<int > d;vector<Item> items;int capacity;
public:Knapsack(vector<Item>& items, int capacity);int dynamicProgramming();
};Knapsack::Knapsack(vector<Item>& items, int capacity) {this->items.insert(this->items.begin(), items.begin(), items.end());this->capacity = capacity;d.resize(capacity + 1);
}int Knapsack::dynamicProgramming() {for (int i = 0; i < d.size(); i++) {d[i] = 0;}for (int i = 0; i < items.size(); i++) {for (int currentCapacity = capacity; currentCapacity >= 0; currentCapacity--) {if (currentCapacity >= items[i].volume) {d[currentCapacity] = max(d[currentCapacity], d[currentCapacity - items[i].volume] + items[i].weight);}}}return d[capacity];
}int main(int argc, char const *argv[]) {vector<Item> items;int N, capacity;scanf("%d%d", &N, &capacity);for (int i = 0; i < N; i++) {int volume, weight;scanf("%d%d", &volume, &weight);items.push_back((Item) {volume, weight});}Knapsack *knapsack = new Knapsack(items, capacity);printf("%d", knapsack->dynamicProgramming());return 0;
}

输入数据

5 9
2 10
4 11
6 12
8 13
9 14

输出结果

22

鸣谢

《算法竞赛入门经典》

最后

  • 由于博主水平有限,不免有疏漏之处,欢迎读者随时批评指正,以免造成不必要的误解!

动态规划 01背包问题 滚动数组 C++实现

动态规划 01背包问题 滚动数组 C++实现

相关内容

动态规划 01背包问题 C++实现

01背包问题

有n中物品,每种只有一个,第i中物品的体积为Vi,重量为Wi,可以选择这些物品放入背包或者不放入背包,是的背包内物品在总体积不超过容量capacity的前提下重量尽量大

算法思想

动态转移方程为d[currentCapacity] = max(d[currentCapacity], d[currentCapacity - items[i].volume] + items[i].weight);d[currentCapacity]表示将选取的前i个物品装入容量为currenCapacity的背包中的所能达到的最大总重量,d[currentCapacity - items[i].volume] + items[i].weight表示选取前i-1个物品装入容量为currentCapacity- items[i].volume的背包得到的最大重量加上当前物品的重量,其中currentCapacity减去items[i].volume,即减去了当前物品的体积,保证在背包容量能够容纳当前物品的情况下选取,d[currentCapacity - items[i].volume]的值为选取前i-1个物品装入容量为currentCapacity- item[i].volume的背包中最大重量(已经在上一个阶段计算出来),对于每个物品装入不同容量的背包中的情况,从背包最大容量capacity0从右往左计算,则在利用动态转移方程计算当前对应d数组值时,d[currentCapacity - items[i].volume]还是上一个状态的值没有改变,若左往右计算则会改变,导致得到意料之外的结果。

int Knapsack::dynamicProgramming() {for (int i = 0; i < d.size(); i++) {d[i] = 0;}for (int i = 0; i < items.size(); i++) {for (int currentCapacity = capacity; currentCapacity >= 0; currentCapacity--) {if (currentCapacity >= items[i].volume) {d[currentCapacity] = max(d[currentCapacity], d[currentCapacity - items[i].volume] + items[i].weight);}}}return d[capacity];
}

样例图解

从右往左计算,计算d数组对应值时,前面的d[currentCapacity - items[i].volume]未被更改可以直接使用,将二维数组降低到一维,利用滚动数组减少内存开销,但只有最后一个状态的值

实现代码

/*
author : eclipse
email  : eclipsecs@qq.com
time   : Tue Jun 16 11:57:03 2020
*/
#include <bits/stdc++.h>
using namespace std;struct Item {int volume;int weight;
};class Knapsack {
private:vector<int > d;vector<Item> items;int capacity;
public:Knapsack(vector<Item>& items, int capacity);int dynamicProgramming();
};Knapsack::Knapsack(vector<Item>& items, int capacity) {this->items.insert(this->items.begin(), items.begin(), items.end());this->capacity = capacity;d.resize(capacity + 1);
}int Knapsack::dynamicProgramming() {for (int i = 0; i < d.size(); i++) {d[i] = 0;}for (int i = 0; i < items.size(); i++) {for (int currentCapacity = capacity; currentCapacity >= 0; currentCapacity--) {if (currentCapacity >= items[i].volume) {d[currentCapacity] = max(d[currentCapacity], d[currentCapacity - items[i].volume] + items[i].weight);}}}return d[capacity];
}int main(int argc, char const *argv[]) {vector<Item> items;int N, capacity;scanf("%d%d", &N, &capacity);for (int i = 0; i < N; i++) {int volume, weight;scanf("%d%d", &volume, &weight);items.push_back((Item) {volume, weight});}Knapsack *knapsack = new Knapsack(items, capacity);printf("%d", knapsack->dynamicProgramming());return 0;
}

输入数据

5 9
2 10
4 11
6 12
8 13
9 14

输出结果

22

鸣谢

《算法竞赛入门经典》

最后

  • 由于博主水平有限,不免有疏漏之处,欢迎读者随时批评指正,以免造成不必要的误解!