首页 > 试题广场 >

【模板】01背包

[编程题]【模板】01背包
  • 热度指数:23698 时间限制:C/C++ 1秒,其他语言2秒 空间限制:C/C++ 256M,其他语言512M
  • 算法知识视频讲解
你有一个背包,最多能容纳的体积是V。

现在有n个物品,第i个物品的体积为v_i ,价值为w_i

(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v_iw_i,表示第i个物品的体积和价值。




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

3 5
2 10
4 5
1 4

输出

14
9

说明

装第一个和第三个物品时总价值最大,但是装第二个和第三个物品可以使得背包恰好装满且总价值最大。 
示例2

输入

3 8
12 6
11 8
6 8

输出

8
0

说明

装第三个物品时总价值最大但是不满,装满背包无解。 

备注:
要求O(nV)的时间复杂度,O(V)空间复杂度
补个python的
def ans():
    n, v = map(int, input().split(" "))
    size , worth = [0 for _ in range(n)]  , [0 for _ in range(n)]
    for i in range(n):
        size[i] , worth[i] = map(int, input().split(" "))
    
    dp1 = [0 for _ in range(v+1)]
    dp2 = [float("-inf") for _ in range(v+1)]
    dp2[0] = 0

    for i in range(n):
        for j in range(v,0,-1):
            if j >= size[i]:
                dp1[j] = max(dp1[j - size[i]] + worth[i] , dp1[j])
                dp2[j] = max(dp2[j - size[i]] + worth[i] , dp2[j])
    
    print(dp1[-1])
    res = 0 if dp2[-1] == float("-inf") else dp2[-1]
    print(res)

ans()


发表于 2021-11-03 16:55:38 回复(0)
#include<iostream>
#include<vector>
using namespace std;
int n,V;
//无需恰好装满条件下的最大价值
void func1(vector<int>& value,vector<int>& weight)
{
    vector<int> dp(V+1); //dp[i][j]:在j容量的背包下,从前i件物品挑选,所能得到的最大价值
    dp[0]=0;
    for(int i=0;i<n;i++)
        for(int j=V;j>=weight[i];j--)
            dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
    cout<<dp[V]<<endl;
}
//需要恰好装满条件下的最大价值
void func2(vector<int>& value,vector<int>& weight)
{
    vector<int> dp(V+1);
    dp[0]=0;//容量为0的背包,恰好装满下的价值只能为0
    for(int i=1;i<=V;i++) dp[i]=-0x3f3f3f3f;//注意初始化方式的不同
    for(int i=0;i<n;i++)
        for(int j=V;j>=weight[i];j--)
            dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
    if(dp[V]<0) cout<<0<<endl;
    else cout<<dp[V]<<endl;
}
int main()
{
    cin>>n>>V;
    vector<int> value(n),weight(n);
    for(int i=0;i<n;i++) 
        cin>>weight[i]>>value[i];
    func1(value,weight);
    func2(value,weight);
    return 0;
}

发表于 2022-04-14 20:05:51 回复(1)
动规
#include<iostream>
#include<string>
#include<vector>
#include<algorithm>
#include <cstring>
using namespace std;

const int N = 1010;
int v[N], w[N], n, V;
int dp[N][N];

int main()
{
    cin >> n >> V;
    for (int i = 1; i <= n; i++)
        cin >> v[i] >> w[i];

    // 问题1
    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] = max(w[i] + dp[i - 1][j - v[i]], dp[i][j]);
        }
    }
    cout << dp[n][V] << endl;

    // 问题2
    memset(dp, 0, sizeof dp);
    for (int j = 1; j <= V; j++) dp[0][j] = -1;
    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 - 1][j - v[i]] != -1)
                dp[i][j] = max(dp[i][j], w[i] + dp[i - 1][j - v[i]]);
        }
    }

    cout << (dp[n][V] == -1 ? 0 : dp[n][V]) << endl;

    return 0;
}

发表于 2025-03-07 15:03:18 回复(1)
为什么两种不同初始化就可以解决?

发表于 2024-03-22 10:56:45 回复(0)
dp+空间压缩
关于恰好装满可以这么理解:在容量为j时装第i件物品能恰好装满,那么0~i-1件物品必须恰好装满容量为j-v[i]的背包。因为初始化为负无穷,所以只有当能恰好装满时才为正数(因为初始只有dp2[0]=0, 所以当装下某件物品时背包容量为0时才会更新其为正数),装不满时就为负无穷。
#include <climits>
#include <iostream>
#include <vector>
using namespace std;

int main() {
    int n, V, res=0;
    cin>>n>>V;
    vector<int> dp(V+1,0);
    vector<int> dp2(V+1, INT_MIN);
    vector<int> v(n), w(n);
    for(int i=0;i<n;i++){
        cin>>v[i]>>w[i];
    }
    dp2[0] = 0;
    for(int i=1; i<=n; i++){
        for(int j=V; j>=v[i-1]; j--){
                dp[j] = max(dp[j],dp[j-v[i-1]]+w[i-1]);
                dp2[j] = max(dp2[j],dp2[j-v[i-1]]+w[i-1]);
        }
    }

    cout<<dp[V]<<endl;

    if(dp2[V]<0){ //装不满
        cout<<0;
    }else{
        cout<<dp2[V];
    }

    return 0;   
}


编辑于 2023-12-27 18:18:06 回复(0)
#include<iostream>
#include<cstdio>
#include<climits>

using namespace std;

const int N = 1000 + 10;

int w[N], v[N], dp1[N], dp2[N];

int main(){
    int n, m;
    while(scanf("%d%d", &n, &m) != EOF){
        for(int i = 0; i < n; i++) scanf("%d%d", &w[i], &v[i]);
        fill(dp2, dp2 + m + 1, -INT_MAX);
        dp2[0] = 0;
        for(int i = 0; i < n; i++){
            for(int j = m; j >= w[i]; j--){
                dp1[j] = max(dp1[j], dp1[j - w[i]] + v[i]);
                dp2[j] = max(dp2[j], dp2[j - w[i]] + v[i]);
            }
        }
        printf("%d\n", dp1[m]);
        if(dp2[m] < 0) printf("0\n");
        else printf("%d\n", dp2[m]);
    }
    return 0;
}
发表于 2022-03-01 15:50:21 回复(0)
import sys

n, V = map(int, sys.stdin.readline().split())
items = []
for line in sys.stdin:
    items.append(tuple(map(int, line.split())))

dp1 = [[0 for _ in range(V + 1)] for _ in range(n + 1)]
dp2 = [[0 for _ in range(V + 1)] for _ in range(n + 1)]

for i in range(1, n + 1):
    v_i, w_i = items[i - 1]
    for j in range(0, V + 1):
        dp1[i][j] = dp1[i - 1][j]
        dp2[i][j] = dp2[i - 1][j]
        if j >= v_i:
            dp1[i][j] = max(dp1[i][j], dp1[i - 1][j - v_i] + w_i)
            if j == v_i&nbs***bsp;dp2[i - 1][j - v_i] != 0:
                dp2[i][j] = max(dp2[i][j], dp2[i - 1][j - v_i] + w_i)

print(dp1[n][V])
print(dp2[n][V])

发表于 2025-04-19 11:58:50 回复(0)
import sys
from math import inf
v = []
w = []
n, V = map(int, input().split())
for i in range(n):
    x, y = map(int, input().split())
    v.append(x)
    w.append(y)

f = [[0]*(V+1) for _ in range(n+1)]
f2  = [[-inf]*(V+1) for _ in range(n+1)]
f[1][0] = 0
f2[0][0] = 0
for i in range(n):
    for j in range(V+1):
        if j < v[i]:
            f[i+1][j] = f[i][j]

            f2[i+1][j] = f2[i][j]
        else:
            f[i+1][j] = max(f[i][j],f[i][j-v[i]]+w[i])
            f2[i+1][j] = max(f2[i][j],f2[i][j-v[i]]+w[i])
ans = f[n][V]
ans2 = f2[n][V]
if ans2 < 0:
    ans2 = 0
print(ans)
print(ans2)

发表于 2025-04-05 14:59:26 回复(0)
    /**
     *  背包问题/装箱问题           【动态规划DP】
     *  【原问题】f(n,V):有n个物品(有各自的体积和价值),一个容量为V的背包,最大装入价值(最大装入体积)是多少?
     *
     *  【算法一】:动态规划DP/自底向上     //本题适合【算法一】,因为【子问题之间:可能存在重叠/重复计算】。
     *  【算法二】:降维递归/自顶向下
     *  【降维】:
     *      1.【降维思路】【2种降维思路之一】:直接对原问题/输入数据/数组 进行降维处理;
     *      2.【降维处理】去掉第n个物品(最后一个物品)进行降维。子问题:前n-1个物品对应的多个子问题。
     *      3.【降维关系分析/父子问题关系分析】:
     *          a. 去掉的第n个物品,其体积itemVolumes[n-1]>容量V,即无法装入容器/背包,则【降维关系】为:
     *              f(n,V) = f(n-1,V)
     *          b. 去掉的第n个物品,其体积itemVolumes[n-1]<=容量V,即能够装入容器/背包;
     *             此时有2种选择方案:选择装入该物品、选择不装入该物品;
     *             由于2种方案都有可能产生“全局最优解”,所以需要比较2种方案的解,以得到最优解。
     *             此时,【降维关系】为:
     *              f(n,V) = max{f(n-1,V-itemVolumes[n-1])+itemValues[n-1], f(n-1,V)}
     *          c. 可以发现父问题f(n,V),依赖2个子问题:
     *             前n-1个物品对应的2个子问题:f(n-1,V)、f(n-1,V-itemVolumes[n-1])。
     *             【子问题之间:可能存在重叠/重复计算】:
     *                  例如当第n和n-1物品体积都为3时,上2个子问题都依赖f(n-2,V-3)。
     *          d. 发现“原问题/子问题”由“n和V”2个参数共同定义,所以子问题的个数将是 n*V 个。
     *             所以:如果要暂存子问题的解,应该使用二维数组/矩阵:dp[n][V](不加额外行列时)。
     *            
     *  【降维关系/计算规则/状态转移方程】:
     *      1. 第n个物品,其体积itemVolumes[n-1]>容量V,即无法装入容器/背包,则【降维关系】为:
     *          f(n,V) = f(n-1,V)
     *      2. 第n个物品,其体积itemVolumes[n-1]<=容量V,即能够装入容器/背包,则【降维关系】为:
     *          f(n,V) = max{f(n-1,V-itemVolumes[n-1])+itemValues[n-1], f(n-1,V)}
     *
     *  【动态规划DP算法】中间结果集/二维矩阵dp[n+1][V+1](加额外行列时):
     *      1. dp[i][j]:保存子问题f(i,j)的解,即:
     *                  前i个物品装入容量为j的容器/背包时,最大装入价值/最大装入体积/最大装入个数。
     *         (dp[i][j]:前i个物体放在V中的最大价值/体积是多少。)
     *
     *
     *  @param volume       容器容量/背包体积/箱子体积  v
     *  @param n            物品个数
     *  @param itemVolumes  物品体积
     *  @param itemValues   物品价值(物品价值/物品体积/数量1)
     *  @return             最大装入价值(最大装入体积/最大装入个数)
     */
    public static int maxXBackPackAlgo(int volume, int n, int[] itemVolumes, int[] itemValues) {

        //x1. 定义:中间结果集/二维矩阵dp[n+1][V+1](加额外行列时):
        int V=volume;
        int[][] dp = new int[n+1][V+1];

        //x2. 计算:中间结果集/二维矩阵dp
        //dp[i][j]:保存子问题f(i,j)的解,即:前i个物品装入容量为j的容器/背包时,最大装入价值
        for(int i=0;i<=n;i++){
            for(int j=0;j<=V;j++){
                //x21. 额外行列初始化
                if(i==0 || j==0){
                    dp[i][j] = 0;
                    continue;
                }
                //x22. 边界计算/无法继续降维问题直接计算
                //无
                //x23. 统一降维计算:
                //【降维关系/计算规则/状态转移方程】:见前面。
                else{
                    if(itemVolumes[i-1] > j) {
                        dp[i][j] = dp[i-1][j];
                    }
                    else {
                        dp[i][j] = Math.max(dp[i-1][j-itemVolumes[i-1]] + itemValues[i-1] , dp[i-1][j]);
                    }
                }
            }
        }

        //x3. 返回结果:最大装入价值(最大装入体积/最大装入个数)
        return dp[n][V];
    }

   
    /**
     *  背包问题/装箱问题(恰好装满时最大装入价值)           【动态规划DP】
     *  【原问题】f(n,V):有n个物品(有各自的体积和价值),一个容量为V的背包,恰好装满时,最大装入价值(最大装入体积)是多少?
     *
     *  【算法一】:动态规划DP/自底向上     //本题适合【算法一】,因为【子问题之间:可能存在重叠/重复计算】。
     *      【与正常背包问题的区别】:见下面,共2处。
     *
     *  【降维关系/计算规则/状态转移方程】:
     *      1. 第n个物品,其体积itemVolumes[n-1]>容量V,即无法装入容器/背包,则【降维关系】为:
     *          f(n,V) = f(n-1,V)
     *      2. 第n个物品,其体积itemVolumes[n-1]<=容量V,即能够装入容器/背包,则【降维关系】为:
     *          f(n,V) = max{f(n-1,V-itemVolumes[n-1])+itemValues[n-1], f(n-1,V)}
     *         【与正常背包问题的区别】:子问题无解时,依赖子问题的方案/父问题 也无解。
     *
     *  【动态规划DP算法】中间结果集/二维矩阵dp[n+1][V+1](加额外行列时):
     *      1. dp[i][j]:保存子问题f(i,j)的解,即:
     *                 前i个物品装入容量为j的容器/背包时,恰好装满时,最大装入价值/最大装入体积/最大装入个数。
     *         【与正常背包问题的区别】:当无解时,即不能完全装满时,取值-1。注意额外行列初始化,区分是否装满。
     *
     *
     *  @param volume       容器容量/背包体积/箱子体积  v
     *  @param n            物品个数
     *  @param itemVolumes  物品体积
     *  @param itemValues   物品价值(物品价值/物品体积/数量1)
     *  @return             最大装入价值(最大装入体积/最大装入个数);无解时,返回-1
     */
    public static int maxXFullBackPackAlgo(int volume, int n, int[] itemVolumes, int[] itemValues) {

        //x1. 定义:中间结果集/二维矩阵dp[n+1][V+1](加额外行列时):
        int V=volume;
        int[][] dp = new int[n+1][V+1];

        //x2. 计算:中间结果集/二维矩阵dp
        //dp[i][j]:保存子问题f(i,j)的解,即:前i个物品装入容量为j的容器/背包时,恰好装满时,最大装入价值
        //【与正常背包问题的区别】:当无解时,即不能完全装满时,取值-1。注意额外行列初始化,区分是否装满。
        for(int i=0;i<=n;i++){
            for(int j=0;j<=V;j++){
                //x21. 额外行列初始化
                //注意额外行列初始化,区分是否装满。
                if(j==0){           //第一列:都是 恰好装满。
                    dp[i][j] = 0;
                    continue;
                }
                else if(i==0 && j!=0){  //第一行(除第一个外):都是无解, 不能完全装满,取值-1。
                    dp[i][j] = -1;
                    continue;
                }
                //x22. 边界计算/无法继续降维问题直接计算
                //无
                //x23. 统一降维计算:
                //【降维关系/计算规则/状态转移方程】:见前面。
                else{
                    if(itemVolumes[i-1] > j) {
                        dp[i][j] = dp[i-1][j];
                    }
                    else {
                        //【与正常背包问题的区别】:子问题无解时,依赖子问题的方案/父问题 也无解。
                        if(dp[i-1][j-itemVolumes[i-1]] != -1) {
                            dp[i][j] = Math.max(dp[i-1][j-itemVolumes[i-1]] + itemValues[i-1] , dp[i-1][j]);
                        } else {
                            dp[i][j] = dp[i-1][j];
                        }
                    }
                }
            }
        }

        //x3. 返回结果:恰好装满时,最大装入价值(最大装入体积/最大装入个数)
        return dp[n][V];
    }
发表于 2025-03-10 10:28:54 回复(0)
#include <limits.h>
#include <stdio.h>
#include <string.h>
int max(int a, int b) {
    return (a > b ? a : b);
}
int main() {
    int n, m;
    scanf("%d %d", &n, &m);
    int v[n + 1], w[n + 1], dp[m + 1];
    v[0] = 0, w[0] = 0;
    for (int i = 1; i <= n; i++) {
        scanf("%d %d", &v[i], &w[i]);
    }
    memset(dp, 0, sizeof(dp));
    for (int i = 1; i <= n; i++) {
        for (int j = m; j >= v[i]; j--) {
            dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
        }
    }
    printf("%d\n", dp[m]);
    for (int i = 1; i <= m; i++) {
        dp[i] = INT_MIN;
    }
    for (int i = 1; i <= n; i++) {
        for (int j = m; j >= v[i]; j--) {
            dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
        }
    }
    printf("%d",(dp[m]>0?dp[m]:0));
    
    return 0;
}

发表于 2024-12-01 10:35:13 回复(0)
import Foundation

func knapsacl_full(weight: Int, items: [(Int, Int)]) -> Int {
    var dp = Array(repeating: Array(repeating: -1, count: weight + 1), count: items.count + 1)
    let n = items.count
    let w = weight

    // 必须对 i,j=0 的状态下进行初始化,这是状态的起点
    dp[0][0] = 0

    for i in 1...n {
        let weight = items[i - 1].0
        let value = items[i - 1].1
       
        // 必须正序,确保背包装满的情况
        for j in 0...w {
            dp[i][j] = dp[i-1][j]
            if j >= weight, dp[i-1][j-weight] != -1 {
                dp[i][j] = max(dp[i][j], dp[i-1][j-weight] + value)
            }
        }
    }
    return dp[n][w] == -1 ? 0 : dp[n][w]
}

func knapsack(weight: Int, items: [(Int, Int)]) -> Int {
    var dp = Array(repeating: Array(repeating: 0, count: weight + 1), count: items.count + 1)
    let n = items.count
    let w = weight

    for i in 1...n {
        let weight = items[i - 1].0
        let value = items[i - 1].1
        // 逆序防止重复计算
        for j in stride(from: w, to: 0, by: -1) {
            if j >= weight {
                dp[i][j] = max(dp[i-1][j], dp[i-1][j - weight] + value)
            } else {
                dp[i][j] = dp[i-1][j]
            }
        }
    }

    return dp[n][w]
}

if let input = readLine() {
    var count = 0
    var weight = 0
    var itemsArray = [(Int, Int)]()
    let parts = input.split(separator: " ")
    if parts.count == 2 {
        count = Int(parts[0])!
        weight = Int(parts[1])!
    }

    for _ in 1...count {
        if let input = readLine() {
            let parts = input.split(separator: " ")
            if parts.count == 2 {
                let w = Int(parts[0])!
                let v = Int(parts[1])!
                itemsArray.append((w, v))
            }
        }
    }

    let maxValue = knapsack(weight: weight, items: itemsArray)
    print(maxValue)
    let maxValue_fullpack = knapsacl_full(weight: weight, items: itemsArray)
    print(maxValue_fullpack)
}
发表于 2024-10-13 20:40:40 回复(0)
#include <iostream>
#include<vector>
using namespace std;

int main() {
    int n, V;
    cin >> n >> V;
    vector<int> v(n+1);
    vector<int> w(n+1);
    for(int i=1;i<=n;i++)
    {
       cin>>v[i]>>w[i];

    }
    vector<int> dp1(V+1);
    vector<int> dp2(V+1);
    //初始化
    for(int j=1;j<=V;j++)
    {
        dp2[j]=-1;
    }
     
   //填表
   for(int i=1;i<=n;i++)
   {
    for(int j=V;j>=1;j--)
    {
        if(j-v[i]>=0)
        {
           dp1[j]= max(dp1[j],dp1[j-v[i]]+w[i]);
        }
         //dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
    }
   }
   //dp2填表
   for(int i=1;i<=n;i++)
   {
    for(int j=V;j>=1;j--)
    {
        if(j-v[i]>=0&&dp2[j-v[i]]!=-1)
        {
            dp2[j]=max(dp2[j],dp2[j-v[i]]+w[i]);
        }
        else {
           dp2[j]=max(-1,dp2[j]);
        }
    }
   }
   cout<<dp1[V]<<endl;
   if(dp2[V]==-1)
   {
     cout<<0<<endl;
   }
    else{
         cout<<dp2[V]<<endl;
    }

}
发表于 2024-07-03 15:16:22 回复(0)
clc 
clear

n_v_org = input('', 's');                           % 原始 输入

n_v_org = strsplit(n_v_org, ' ');                   % 拆分

n = str2double(n_v_org{1});                         % 物体 个数

T = str2double(n_v_org{2});                         % 背包 体积

prop_list = zeros(n, 2);                            % 物体 属性

for i = 1:n

    i_prop_org = input('', 's');

    i_prop_org = strsplit(i_prop_org, ' ');         % 拆分

    prop_list(i, 1) = str2double(i_prop_org{1});    % 1 物体 体积

    prop_list(i, 2) = str2double(i_prop_org{2});    % 2 物体 价值
end

prop_list;

% n = 3;                         % 物体 个数

% T = 5;                         % 背包 体积

% prop_list = [2 10
% 4 5
% 1 4];

dp_max_value = zeros(1, T+1);                       % 价值 表
dp_max_weight_value = -inf(1, T+1);                 % 价值 表
dp_max_weight_value(1) = 0;

for i = 1:n                                         % 物体 i

    i_t = prop_list(i, 1);                          % i 物体 体积

    i_v = prop_list(i, 2);                          % i 物体 价值

    for t = T+1:-1:i_t+1                            % 总 体积 t, 注意 小于 i 物体 体积 部分 不需要 计算, 加快 运行 效率
        
        if dp_max_value(1, t) < dp_max_value(1, t - i_t) + i_v
            
            dp_max_value(1, t) = dp_max_value(1, t - i_t) + i_v;
        end
        
        if dp_max_weight_value(1, t - i_t) > -1
            if dp_max_weight_value(1, t) < dp_max_weight_value(1, t - i_t) + i_v
    
                dp_max_weight_value(1, t) = dp_max_weight_value(1, t - i_t) + i_v;
            end
        end
        
        % % 上方 代码 可以 加快 计算
        % dp_max_value(1, t) = max([dp_max_value(1, t), dp_max_value(1, t - i_t) + i_v]);
        
        % if dp_max_weight_value(1, t - i_t) > -1
        %     dp_max_weight_value(1, t) = max([dp_max_weight_value(1, t), dp_max_weight_value(1, t - i_t) + i_v]);
        % end
    end
end

fprintf('%d\n%d', max(dp_max_value), max([dp_max_weight_value(T+1), 0]))



发表于 2024-01-28 19:58:07 回复(0)
#include <iostream>
#include <string.h>
using namespace std;

const int N = 1010;
int n, V, v[N], w[N];
int dp[N][N];

int main()
{
    cin >> n >> V;
    for (int i = 1; i <= n; i++)
        cin >> v[i] >> w[i];
    
    //解决第一问
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= V; j++)
        {
            dp[i][j] = dp[i-1][j];
            if (j >= v[i])  
                dp[i][j] = max(dp[i][j], dp[i-1][j-v[i]] + w[i]);
        }
    }
    cout << dp[n][V] << endl;

    // 解决第二问
    memset(dp, 0, sizeof(dp));
    for (int j = 1; j <= V; j++)
        dp[0][j] = -1;

    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= V; j++)
        {
            dp[i][j] = dp[i-1][j];
            if (j >= v[i] && dp[i-1][j-v[i]] != -1)  
                dp[i][j] = max(dp[i][j], dp[i-1][j-v[i]] + w[i]);
        }
    }
    cout << (dp[n][V] == -1 ? 0 : dp[n][V]) << endl;

    return 0;
}

发表于 2023-09-02 16:11:50 回复(0)
// 手感真好,直接一次过了
import java.util.Scanner

fun main(args: Array<String>) {
    val read = Scanner(System.`in`)
    val n = read.nextInt()
    val V = read.nextInt()
    val arr1 = IntArray(n)
    val arr2 = IntArray(n)
    repeat(n) {
        arr1[it] = read.nextInt()
        arr2[it] = read.nextInt()
    }
    val res = fun1(V, arr1, arr2)
    println(res[0])
    println(res[1])
}

private fun fun1(
    V: Int, // 背包体积
    arr1: IntArray, // 体积数组
    arr2: IntArray  // 价值数组
): IntArray {
    // 简化为一维背包问题,下标为体积,数值为价值
    val dp = IntArray(V + 1)
    // 遍历物体
    for (i in arr1.indices) {
        val v = arr1[i]
        val w = arr2[i]
        // 从后向前遍历
        for (j in dp.lastIndex downTo v) {
            if (j == v || dp[j - v] != 0) {
                dp[j] = Math.max(dp[j], dp[j - v] + w)
            }
        }
        
    }
    val max = dp.max()!!
    return intArrayOf(max, dp.last())
}

发表于 2023-08-04 19:59:50 回复(0)
用例输入n=420时运行超时,有大佬能请教一下嘛😵
#include <stdio.h>
void fun(int* rra,int* rrb,int idx,int n,int v,int* ans1,int* ans2,int max){
    if(v>=0){
        *ans1=max>*ans1?max:*ans1;//背包能装的最大价值
    }
    if(v==0){
        *ans2=max>*ans2?max:*ans2;//背包恰好装满时能装的最大价值
        return;
    }
    for(int k=idx;k<n;k++){
        if(v-rra[k]>=0){
            idx=k+1;
            fun(rra,rrb,idx,n,v-rra[k],ans1,ans2,max+rrb[k]);//
        }
    }
}
int main() {
    int a, b, n, v,temp=0,ans1=0,ans2=0;
    scanf("%d %d", &n, &v);
    int rra[n],rrb[n];  
    while (scanf("%d %d", &a, &b) != EOF) { // 注意 while 处理多个 case
        // 64 位输出请用 printf("%lld") to
        if(a<=v){
            rra[temp]=a;//rra存储物品所占体积
            rrb[temp]=b;//rrb存储物体价值
            temp++;
        }
        //printf("%d\n", a + b);
    }
    fun(rra,rrb,0,temp,v,&ans1,&ans2,0);
    printf("%d\n",ans1);//输出答案一
    printf("%d\n",ans2);//输出答案二
    return 0;
}
发表于 2023-02-07 12:25:55 回复(0)
#include <iostream>
#include <cstring>
using namespace std;
const int N = 1010;
int dp[N];
int main() 
{
    int n, m, w, v;
    cin >> n >> m;

    memset(dp, -0x3f, sizeof(dp));
    dp[0] = 0;
    for (int i = 1; i <= n; i++)
    {
        cin >> v >> w;
        for (int j = m; j >= v; j--)
        {
            dp[j] = max(dp[j], dp[j - v] + w);
        }
    }

    int ret = 0;
    for (int i = 1; i <= m; i++)
        ret = max(ret, dp[i]);

    if (dp[m] < 0)
        dp[m] = 0;
    cout << ret << endl;//价值最大
    cout << dp[m] << endl;//恰好装满价值最大
}

发表于 2022-11-27 17:46:21 回复(0)
def 省空间解法():
    f1 = [0 for i in range(V + 1)]
    f2 = [-999999999 for i in range(V + 1)]
    f2[0] = 0

    for i in range(1, n + 1):
        for j in range(V, items[i][0]-1, -1):  # 注意这边要逆序
            f1[j] = max(f1[j], f1[j - items[i][0]] + items[i][1])
            f2[j] = max(f2[j], f2[j - items[i][0]] + items[i][1])
    print(f1[V])
    if f2[V] < 0:
        print(0)
    else:
        print(f2[V])


def 常规解法():
    # f1[i][j]表示背包容量为j时,前i个物品能放的最大价值
    # f2[i][j]表示背包容量为j时,前i个物品恰好放满时的最大价值
    f1 = [[0 for i in range(V + 1)] for j in range(n + 1)]
    f2 = [[0 for i in range(V + 1)] for j in range(n + 1)]
    for i in range(0, n + 1):
        for j in range(1, V + 1):
            f2[i][j] = -9999999
    for i in range(1, n + 1):
        for j in range(0, V + 1):
            if j >= items[i][0]:
                f1[i][j] = max(f1[i - 1][j], f1[i - 1][j - items[i][0]] + items[i][1])
                f2[i][j] = max(f2[i - 1][j], f2[i - 1][j - items[i][0]] + items[i][1])
            else:
                f1[i][j] = f1[i - 1][j]
                f2[i][j] = f2[i - 1][j]
    print(f1[n][V])
    if f2[n][V] < 0:
        print(0)
    else:
        print(f2[n][V])


if __name__ == "__main__":
    n, V = [int(x) for x in input().split()]
    items = [[0, 0]]
    for i in range(n):
        items.append([int(x) for x in input().split()])
    # n, V = 3, 5
    # items = [[0, 0],
    #          [2, 10],
    #          [4, 5],
    #          [1, 4]]
    # items.sort(key=lambda x: x[0])
    # 常规解法()
    省空间解法()

发表于 2022-09-16 09:21:24 回复(0)
# 先记录一下第一个问题的答案
n,w = map(int,input().split())
# 构造装进去
lv,lw=[],[]
for i in range(n):
    l= list(map(int,input().split()))
    lv.append(l[0])
    lw.append(l[1])
dp=[[0 for i in range(w+1)] for i in range(n+1)]
lv.insert(0,0)
lw.insert(0,0)
# 然后进行循环
for i in range(1,n+1):
    for j in range(1,w+1):
        if lv[i]<j:
            dp[i][j] = max(dp[i-1][j],dp[i-1][j-lv[i]]+lw[i])
        else:
            dp[i][j] = dp[i-1][j]
print(dp[n][w])
发表于 2022-08-23 23:25:24 回复(0)

0-1背包模板,cpp

#include <bits/stdc++.h>

using namespace std;

// 背包最多装多大价值的物品
int getResult1(vector<int>& v, vector<int>& w, int V) {
    vector<int> dp(V + 1, 0);
    int n = v.size();
    for (int i = 0; i < n; ++i) {
        for (int j = V; j >= v[i]; --j) {
            dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
        }
    }

    return dp[V];
}

// 恰好装满背包的最大价值
int getResult2(vector<int>& v, vector<int>& w, int V) {
    vector<int> dp(V + 1, -1);
    dp[0] = 0;
    int n = v.size();

    for (int i = 0; i < n; ++i) {
        for (int j = V; j >= v[i]; --j) {
            if (dp[j - v[i]] >= 0) {
                dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
            }
        }
    }

    return dp[V] >= 0 ? dp[V] : 0;
}

int main() {
    int n, V;
    cin >> n >> V;

    vector<int> v(n), w(n);
    for (int i = 0; i < n; ++i) {
        cin >> v[i] >> w[i];
    }

    cout << getResult1(v, w, V) << endl;
    cout << getResult2(v, w, V) << endl;

    return 0;
}
发表于 2022-08-18 09:21:11 回复(0)