分组背包问题

博客介绍了如何使用动态规划解决分组背包问题,通过状态表示、状态转移方程实现,同时展示了空间优化技巧,将二维空间压缩为一维。程序代码展示了两种不同空间复杂度的解决方案,并给出了完整算法实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对于分组背包问题,要抓住最关键的一点 : 每组物品有若干个,同一组内的物品最多只能选一个。

状态表示: f[i][j]f[i][j]f[i][j] : 在前 iii 组物品中选,且总体积不超过 jjj 的集合
状态属性: 总价值的最大值
状态转移方程:
选第 iii 组中的第 kkk 个物品 和不选第 iii 组中的第 kkk 个物品
f[i][j]=max(f[i][j],f[i−1][j−v[i][k]]+w[i][k]);f[i][j] = max(f[i][j], f[i - 1][j - v[i][k]] + w[i][k]);f[i][j]=max(f[i][j],f[i1][jv[i][k]]+w[i][k]);

#include<bits/stdc++.h>

using namespace std;

const int N = 110;

int f[N][N], v[N][N], w[N][N], s[N], n, m;


int main()
{
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++ )   //读入每个物品组
    {
        cin >> s[i];
        for(int j = 1; j <= s[i]; j ++ )   //读入每个物品
        cin >> v[i][j] >> w[i][j];
    }
    
    for(int i = 1; i <= n; i ++ )   //枚举每个物品组
    for(int j = 0; j <= m; j ++ )    //枚举所有体积
    {
        f[i][j] = f[i - 1][j];
        for(int k = 1; k <= s[i]; k ++ )    //枚举每个物品组的物品
        if(j >= v[i][k])  //状态转移
         f[i][j] = max(f[i][j], f[i - 1][j - v[i][k]] + w[i][k]); 
    }
    
    cout << f[n][m] << '\n';
}

不难发现,我们用到的状态都是上一层的状态,所以我们可以进行空间优化,将空间压缩至一维

#include<bits/stdc++.h>

using namespace std;

const int N = 110;

int f[N], v[N][N], w[N][N], s[N], n, m;


int main()
{
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++ )
    {
        cin >> s[i];
        for(int j = 1; j <= s[i]; j ++ )
        cin >> v[i][j] >> w[i][j];
    }
    
    for(int i = 1; i <= n; i ++ )
    for(int j = m; j >= 0; j -- )  
    //反向枚举,防止计算出来的结果是由第i层得来的
        for(int k = 1; k <= s[i]; k ++ ) 
        if(j >= v[i][k])
         f[j] = max(f[j], f[j - v[i][k]] + w[i][k]);
    
    cout << f[m] << '\n';
}
### 分组背包问题概述 分组背包问题背包问题的一种变体,在这种情况下,物品被分为若干组,每组中的物品互斥,即在同一组内只能选择一件物品加入背包。目标是在不超过给定容量的情况下最大化所选物品的总价值。 对于分组背包问题,通常会遇到以下参数: - **N** 组物品 - 每一组中有多个不同重量和价值的物品可供选择 - 背包的最大承重 W 为了更好地理解这一概念,下面提供了一个具体的例子及其对应的测试用例[^1]。 ### 示例与测试用例 #### 输入格式 输入的第一行为三个整数 N, M 和 V (1 ≤ N ≤ 100),分别表示有多少类别的物品、总的物品数量以及背包的最大承载量;接下来M行,每一行包含四个整数 g_i, w_i, v_i 表示该物品所属类别编号g_i(从1开始计), 物品重量w_i, 物品价值v_i; 接下来的一行给出一个长度为N的列表G[] ,其中 G[j]=k 表明第 j 类物品共有 k 种不同的选项可选。 #### 输出格式 输出仅有一行,代表能够获得的最大价值。 #### 示例数据集 ##### 测试案例 1: ```plaintext Input: 3 6 10 1 2 3 1 3 4 2 4 5 2 5 6 3 1 2 3 2 3 2 2 2 Output: 9 ``` 解释:在这个例子中,选择了来自第一组的一个物品(权重=3,价值=4)、第二组的一个物品(权重=5,价值=6)和第三组的一个物品(权重=2,价值=3)。这些加起来刚好等于最大允许载荷10,并且提供了最高的可能总价值9。 ##### 测试案例 2: ```plaintext Input: 4 8 15 1 2 3 1 3 4 2 4 5 2 5 6 3 1 2 3 2 3 4 7 8 4 8 9 2 2 2 2 Output: 17 ``` 这个实例展示了当存在更多种类别的时候应该如何处理。这里选取了最优组合使得最终得分达到最高——即17分。 通过上述的例子可以看出,解决这类问题的关键在于合理规划各组之间的取舍关系,从而实现全局最优化的目的。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

广西小蒟蒻

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值