经典背包问题：用动态规划求最大价值及所有选择方案（附C++代码）

这是一个经典的背包问题，可以使用动态规划来求解。 定义一个二维数组dp，其中dp[i][j]表示前i个物品放入容量为j的背包中能够获得的最大总价值。 初始化dp数组的第一列和第一行都为0。 对于第i个物品，有两种情况： 1. 不选取第i个物品：dp[i][j] = dp[i-1][j]，表示前i-1个物品放入容量为j的背包中能够获得的最大总价值。 2. 选取第i个物品：dp[i][j] = dp[i-1][j-w[i]] + v[i]，表示将第i个物品放入容量为j的背包中能够获得的最大总价值。 状态转移方程为： dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]) 最终，dp[n][g]就是背包内物品的最大总价值。 然后，通过回溯的方式，找出所有的选择方案。从dp[n][g]开始向前遍历，如果dp[i][g] == dp[i-1][g]，说明第i个物品没有被选取；如果dp[i][g] == dp[i-1][g-w[i]] + v[i]，说明第i个物品被选取。递归回溯过程中，同时记录所有选择方案。 输出最大总价值和选择方案的数量，以及每个选择方案。 具体实现代码如下： ```cpp #include <iostream> #include <vector> #include <algorithm> using namespace std; vector<vector<int>> result; void backtrack(vector<vector<int>>& dp, vector<int>& w, vector<int>& v, int i, int j, vector<int>& cur) { if (i == 0) { result.push_back(cur); return; } if (dp[i][j] == dp[i-1][j]) { backtrack(dp, w, v, i-1, j, cur); } if (j >= w[i]) { if (dp[i][j] == dp[i-1][j-w[i]] + v[i]) { cur.push_back(i); backtrack(dp, w, v, i-1, j-w[i], cur); cur.pop_back(); } } } int main() { int n, g; cin >> n >> g; vector<int> w(n+1); vector<int> v(n+1); for (int i = 1; i <= n; i++) { cin >> w[i]; } for (int i = 1; i <= n; i++) { cin >> v[i]; } vector<vector<int>> dp(n+1, vector<int>(g+1, 0)); for (int i = 1; i <= n; i++) { for (int j = 1; j <= g; j++) { if (j >= w[i]) { dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]); } else { dp[i][j] = dp[i-1][j]; } } } cout << dp[n][g] << endl; vector<int> cur; backtrack(dp, w, v, n, g, cur); sort(result.begin(), result.end()); cout << result.size() << endl; for (auto& r : result) { for (int i = 0; i < r.size(); i++) { cout << r[i]; if (i != r.size() - 1) { cout << " "; } } cout << endl; } return 0; } ``` 时间复杂度分析： 动态规划部分的时间复杂度为O(n*g)，回溯部分的时间复杂度取决于选择方案的数量，最坏情况下为O(2^n)。总体时间复杂度为O(n*g + 2^n)。 ######[AI写代码神器 | 1709点数解答 | 2024-06-09 15:51:05]