C语言背包问题

目录

• 一、背包问题基础概念
• 二、0-1背包问题详解（C语言实现）
• 三、完全背包问题详解（C语言实现）
• 四、0-1背包与完全背包核心区别
• 五、背包问题拓展与易错点
• 六、总结

背包问题是算法领域经典的动态规划入门问题，也是计算机考研、笔试面试的高频考点。它本质是一个资源优化问题，核心是在有限容量内，选择物品使得总价值最大。本文将带你深入理解背包问题的核心原理，用C语言实现最常见的0-1背包和完全背包，并详解代码逻辑与优化思路，零基础也能轻松看懂！

一、背包问题基础概念

背包问题主要分为三类，其中0-1背包是基础，完全背包是高频变体，多重背包是两者的延伸，我们先理清核心定义：

1. 0-1背包：每个物品只有1件，只能选或不选，不可分割，是最基础的背包问题。

2. 完全背包：每个物品有无限件，可重复选取，只要不超过背包容量。

3. 多重背包：每个物品有固定数量件数，介于0-1背包和完全背包之间。

通用问题描述

给定一个容量为C的背包，有n个物品，每个物品的重量为w[i]，价值为v[i]。
要求：在不超过背包容量的前提下，选出物品，使得总价值最大化。

二、0-1背包问题详解（C语言实现）

0-1背包是所有背包问题的基础，核心思想是动态规划，通过拆分子问题，逐步推导最优解。

1. 动态规划原理

• 状态定义：定义二维数组dp[i][j]，表示前i个物品，在背包容量为j时，能获得的最大价值。

• 状态转移方程：

1. 若当前物品重量w[i] > 背包容量j：无法放入该物品，最大价值等于不放该物品的价值，即dp[i][j] = dp[i-1][j]。

2. 若当前物品重量w[i] ≤ 背包容量j：选择放入或不放入，取价值更大的方案，即dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])。

• 边界条件：没有物品（i=0）或背包容量为0（j=0）时，最大价值都为0。

2. 二维数组C语言实现

#include <stdio.h>
// 定义最大值，方便数组初始化
#define MAX 100

// 求两个数的最大值
int max(int a, int b) {
    return a > b ? a : b;
}

int main() {
    // 物品数量
    int n;
    // 背包容量
    int capacity;
    printf("请输入物品数量和背包容量：");
    scanf("%d %d", &n, &capacity);

    // 存储物品重量，下标从1开始
    int w[MAX];
    // 存储物品价值，下标从1开始
    int v[MAX];
    // dp[i][j]：前i个物品，容量j的最大价值
    int dp[MAX][MAX] = {0};

    // 输入每个物品的重量和价值
    for (int i = <= n; i++) {
        printf("请输入第%d个物品的重量和价值：", i);
        scanf("%d %d", &w[i], &v[i]);
    }

    // 动态规划填充dp数组
    for (int i = 1; i<= n; i++) {
        for (int j<= capacity; j++) {
            if (w[i] > j) {
                // 物品重量大于容量，不放入
                dp[i][j] = dp[i-1][j];
            } else {
                // 选择放入或不放入，取最大值
                dp[i][j] = max(dp[i-1][j], dp[i-1][j - w[i]] + v[i]);
            }
        }
    }

    // 输出最终最大价值
    printf("背包能装的最大价值为：%d\n", dp[n][capacity]);
    return 0;
}

三、完全背包问题详解（C语言实现）

完全背包和0-1背包的唯一区别：物品可重复选取，代码只需做一处修改！

1. 核心区别

完全背包的状态转移，无需逆序遍历容量，正序遍历即可让物品重复放入背包。
状态转移方程：dp[j] = max(dp[j], dp[j - w[i]] + v[i])

2. C语言完整代码

#include <stdio.h>
#define MAX 100

int max(int a, int b) {
    return a > b ? a : b;
}

int main() {
    int n, capacity;
    printf("请输入物品数量和背包容量：");
    scanf("%d %d", &n, &capacity);

    int w[MAX], v[MAX];
    int dp[MAX] = {0};

    for (int i = 1; i<= n; i++) {
        scanf("%d %d", &w[i], &v[i]);
    }

    // 正序遍历容量，允许重复选取物品
    for (int i = 1;<= n; i++) {
        for (int j = w[i]; j<= capacity; j++) {
            dp[j] = max(dp[j], dp[j - w[i]] + v[i]);
        }
    }

    printf("背包能装的最大价值为：%d\n", dp[capacity]);
    return 0;
}

四、0-1背包与完全背包核心区别

对比项	0-1背包	完全背包
物品数量	每个物品仅1件	每个物品无限件
容量遍历顺序	逆序遍历（从大到小）	正序遍历（从小到大）
核心逻辑	每个物品只选一次	物品可重复选择
空间复杂度	O(C)	O(C)
时间复杂度	O(n*C)	O(n*C)

五、背包问题拓展与易错点

1. 易错点：0-1背包逆序遍历、完全背包正序遍历，千万不要搞反，否则会出现物品重复选取/无法选取的问题。

2. 多重背包：可将有限数量的物品拆分为多个0-1背包物品，再用0-1背包代码实现。

3. 适用场景：资源分配、预算规划、货物装载、项目投资等优化类问题。

六、总结

背包问题是动态规划的经典入门题，核心是状态定义+状态转移，掌握0-1背包的原理后，完全背包只需修改遍历顺序即可轻松实现。

先理解二维数组的动态规划逻辑，再过渡到一维数组优化，通过手动模拟dp数组填充过程，彻底吃透背包问题的核心思想。