《DP学习系列》从零开始学习动态规划,完全背包(二)

动态规划之背包问题——完全背包 文章目录一、完全背包问题二、完全背包遍历顺序三、leetcode例题讲解完全背包问题518. 零钱兑换 II377. 组合总和 Ⅳ322. 零钱兑换279. 完全平方数139. 单词拆分四、完全背包问题总结1. 动规五步分析法2. 背包递推公式3. 遍历顺序 前面整理了01背包,在leetcode题库中主要就是01背包和完全背包问题,所以在这里整理一下完全背包的知识点。 一、完全背包问题 有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品都 阅读详情

前言

如果您也是参考笔者的记录学习,那么推荐您至少先看一遍原版背包九讲。本系列只是初学者对若干问题的补充和思考。

1. 题目

有N种物品和一个容量为V的背包,每种物品都有无限件可用。放入第i种物品的费用是CiC_{i}Ci​,价值是WiW_{i}Wi​。求解:将哪些物品装入背包,可使这些物品的耗费的费用总和不超过背包容量,且价值总和最大。

2. 基本思路

如果仍然按照解01背包时的思路,令F[i,v]F[i,v]F[i,v]表示前i种物品恰放入一个容量为vvv的背包的最大权值。仍然可以按照每种物品不同的策略写出状态转移方程,像这样:
F[i,v]=max{F[i−1,v−kCi]+kWi},0≤kCi≤vF[i, v] = max\{F [i − 1, v − kC_{i}] + kW_{i} \} , 0 ≤ kCi ≤ vF[i,v]=max{F[i−1,v−kCi​]+kWi​},0≤kCi≤v

原文没有写出来基本思路的伪代码,笔者来写下(写出这段伪代码,才代表真正理解上面的转移方程,才可能解决一些变种问题):

for n=1 to N
   for v=0 to V
      for  k=0 to V/Ci
           F[i,v]=F[i-1,v-kCi]+kWi
           if F[i,v] > last F[i,v]
               update F[i,v]

3. 优化基本思路

3.1 输入优化

我们知道如果一个物件WiW_{i}Wi​最大,CiC_{i}Ci​最小,那么可以直接得出答案:V/CiV/CiV/Ci个该物件就是最佳答案,但是往往不可能做到这步。所以崔作者给出的优化是一种局部优化,具体为:

首先将费用大于V 的物品去掉,然后使用类似计数排序的做法,计算出费用相同的物品中价值最高的是哪个,可以O(V+N)O(V + N)O(V+N)地完成这个优化。

任意的稳定排序算法都是可以的(理解到这一步,才代表真正理解输入优化的本质),崔作者推荐计数排序,其时间复杂度最优。伪代码如下:

  counter_sort(N,W)//按照Wi计数排序一次,
  counter_sort(N,C)//然后再按照Ci排序一次,此时Vi相同的元素保持上一次计数排序的偏序,我们只要取Vi相同元素中最后一个值就可以。
  for j=0,i=0 to N //遍历结果数组
     while(output[i] == output[i+1]) i++;
     newinput[j++]=output[i];
3.2 时间复杂度优化

二进制优化:因为,不管最优策略选几件第i种物品,其件数写成二进制后,总可以表示成若干个2k2^k2k件物品的和。这样一来就把每种物品拆成O(logV/Ci)O(log V /Ci)O(logV/Ci)件物品,是一个很大的改进。

这里不好理解,笔者一开始大方向对了,**理解该优化的本质,对于理解DP有很大帮助。**还是观察状态转移方程:F[i,v]=F[i−1,v−kCi]+kWiF[i,v]=F[i-1,v-kC_{i}]+kW_{i}F[i,v]=F[i−1,v−kCi​]+kWi​,注意F[i,v]F[i,v]F[i,v]是最初定义的最优子问题,那么它具有一定的性质:其代表当前i,v的下的最佳解。而最优子问题逐步递推出最终问题的答案。
  这是笔者的理解,将来再看《算法导论》时,会更加准确的描述这种性质。回到这个问题中,F[i,v]=F[i−1,v−KCi]+KWiF[i,v]=F[i-1,v-KC_{i}]+KW_{i}F[i,v]=F[i−1,v−KCi​]+KWi​,因为K=a2k+b2k−1+...m20K=a2^k+b2^{k-1}+...m2^0K=a2k+b2k−1+...m20,那么我们得到最终的K时,由所有的2k2^k2k子问题经过选择得到(该2k2^k2k项系数可能为1,也可能为0)。所以状态转换公式可以为F[i,v]=F[i−1,v−2kCi]+2kWiF[i,v]=F[i-1,v-2^kC_{i}]+2^kW_{i}F[i,v]=F[i−1,v−2kCi​]+2kWi​,根据最优子问题(结构)的特点,我们可以说最优解的K能取到0−V/Ci0-V/Ci0−V/Ci的任何值(不代表K需要遍历整个区间,K代表该区间的最优解的值)。可以通过举列子说明,比如K=5,那么遍历2k时,20取,21不取,22取。优化之后的伪代码如下:

for n=1 to N
   for v=0 to V
      for  k=0 to log(V/Ci)
           F[i,v]=F[i-1,v-2^kCi]+2^kWi
           if F[i,v] > last F[i,v]
               update F[i,v] 

4. O(VN)O(VN)O(VN)的算法

F[0...V] 初始化为 0
    for i=1 to N
        for v=Ci to V //增序
            F [v] = max{F[v], F [v − Ci] + Wi}

上一篇01背包问题稍微改变。至于该方式的理解,现在比较多的是后验逻辑,也就是根据结果理解过程。假设该结论是对的,那么推出必要条件:

首先想想为什么01背包中要按照v递减的次序来循环。让v递减是为了保证第i次循环中的状态F[i,v]F[i, v]F[i,v]是由状态F[i−1,v−Ci]F[i − 1,v − Ci]F[i−1,v−Ci]递推而来。换句话说,这正是为了保证每件物品只选一次,保证在考虑“选入第i件物品”这件策略时,依据的是一个绝无已经选入第i件物品的子结果F[i−1,v−Ci]F [i − 1, v − Ci]F[i−1,v−Ci]。而现在完全背包的特点恰是每种物品可选无限件,所以在考虑“加选一件第i种物品”这种策略时,却正需要一个可能已选入第i种物品的子结果F[i,v−Ci]F[i,v − Ci]F[i,v−Ci],所以就可以并且必须采用v递增的顺序循环。这就是这个简单的程序为何成立的道理。

如果是第一个推出来该结论的人,可能需要严格的逻辑证明,但是这里可以用必要条件来理解,但是不够充分。目前很多理解都是当结论记住,按照学习梯度,现在暂时还是不要深究。

5. 总结

完全背包问题至少应该理解基础方法和优化策略,至于一维状态转化方程,可以当模板记住。因为这个问题如果要用充分条件推导,恐怕难度已经不是初学DP可以解决的了。

算法之动态规划(DP)求解完全背包问题 算法之动态规划(DP)求解01背包问题 上面这篇文章主要讲解了01背包问题和动态规划算法,如果你不了解动态规划算法,建议先浏览一下这篇文章熟悉一下,因为,本文的算法思想是基于这篇文章的。 1、什么是完全背包问题? **01背包问题:**有一个背包的容积为V,有N个物品,每个物品的体积为v[i],权重为w[i],每个物品只能取1次放入背包中,背包所有物品权重和最大是多少? 完全背包: 有一个背包的容积为V,有N个物品,每个物品的体积为v[i],权重为w[i],每个物品可以取无限次放入背包中,背包所有物品权重和 阅读详情

相关推荐

DP、背包详解

多重背包,即每个物品都能取,但是每个物品取值都有一个上限 ,这样一来,既继承了01背包的二维空间复杂度难优化性,又继承了完全背包的可多取性,这样,我们不得不又重新回到01背包的二维DP,我们一样把遍历物品上限的循环作为第一层,把遍历背包的过程作为第二层循环,回到01,假如遇到的物品大于当前背包所能容纳的质量,那么让dp[i][j]=dp[i-1][j];一个旅行者有一个最多能装V公斤的背包,现在有n件物品,它们的重量分别是W1,W2,...,Wn,它们的价值分别为C1,C2,...,Cn。

pby130110的博客 2433

动态规划(DP)学习和思考

动态规划算法的变形有很多,题型有很多,解题的方法也有很多。想要把动态规划算法用的如鱼得水,我觉得还是得多刷题目并不断思考。学习算法时,重点不在于这道题的标签是什么,更重要的在于去思考这道题目的底层逻辑,尝试去对问题进行剖析,而不是停留在用DP或者回溯或者别的算法的公式去套。题目是活的,人也是活的,希望我们都能在不断解决问题的快乐中继续前行。

m0_65648562的博客 1199

动态规划专题(01):01背包与完全背包

动态规划求解分为3个步骤:状态->阶段->决策, 最终得到新的状态。

tankeven的博客 1476

dp的学习之路

dp学习之路 文章目录前言一、红牌二、通天之分组背包三: 前言 提示:这里可以添加本文要记录的大概内容: 我觉得学习dp最重要的是找题感,这里我就不对dp进行解释了 `提示:以下是本篇文章正文内容 一、红牌 红牌 思路: 个人觉得动态规划最重要的是状态转移方程,题目大致意思是有n个步骤m个小组,找出完成所有的步骤所需的时间,但是也有一定的限制。我们可以选择任意一个小组也可以更换小组。但是更换小组是很严格的,一定要相邻两个步骤之间来更换,而不能在某一步骤已经开始但还没结束的时候提出更换,并且也只能从原来的小

m0_63575894的博客 493

笔记本摄像头模拟监控推送RTSP流

FFmpeg软件:选择Windows builds by BtbN一个完整的跨平台解决方案,用于录制、转换和流式传输音频和视频。选择Windows版本EasyDarwin开源流媒体服务器 支持Windows、Linux、macOS平台;支持RTSP推流分发(推模式转发);支持RTSP拉流分发(拉模式转发);VLC Media Player软件:选择Windows64bit支持众多与及文件格式,并支持DVD影音光盘,VCD影音光盘及各类协议。

IT_LittleBaby的博客 3875

VSCode搭配Keil开发STM32:从环境配置到代码跳转全流程(避坑指南)

本文详细介绍了如何使用VSCode搭配Keil进行STM32开发,从环境配置到代码跳转的全流程指南。通过安装必备插件和正确配置项目文件,开发者可以在VSCode中享受现代编辑器的便捷功能,同时保留Keil的编译调试能力,提升嵌入式开发效率。

weixin_28832121的博客 253

大型连续剧 Re:从零开始的dp学习

曾天真的以为我的数论没救了,直到这几天拾起dp... 写个博客来记录一下自己辣鸡dp的进步(原地踏步)的 过程叭... 第一集 luoguP2051 [AHOI2009]中国象棋 传送门:https://www.luogu.org/problemnew/show/P2051 省选的dp...瑟瑟发抖 谈谈我的撒哔的做题过程吧,,一看这种棋盘类...

南瓜の大水库 489

OpenCV机械臂手眼标定

这篇文章总结了手眼标定的原理,利用OpenCV自带的函数套用参数即可完成眼在手上和眼在手外两种标定。

Q先森的博客 6600

怎样学习DP

转自http://wenku.baidu.com/link?url=1LTo6t_XsS2iFJBgi-QkRMZFfdNLNrDFeNvjLvoOgLVenzWU0u0jWELC-6G4pjuPLm4jTW3bm-BzYyo97BJu3DC1BIFbYpsUQ9DYF4BMkHq 怎样学好 DP  2009-09-12 17:32  在

1889

如何利用PREEvision和MATLAB开发AUTOSAR软件组件

在业界,比较著名的电子电气架构开发工具要属德国Vector公司开发的PREEvision工具了,而MATLAB/Simulink软件是非常高效且实用的基于模型的应用软件开发工具。利用PREEvision与Simulink联合开发AUTOSAR应用软件组件的开发流程有三种,分别是:“自上而下”开发流程(从PREEvision开始),“自下而上”开发流程(从Simulink开始),以及“双向”开发流程。如下图所示,无论哪一种开发流程,PREEvision与Simulink工具都是通过arxml文件进行信息交互的

怿星科技的博客 5397

硬件基础(4):(6)高精度ADC设计中模拟地与数字地的划分与连接

在实际 PCB 设计中,**接地与布线**对于获得干净的参考电压和高精度 ADC 测量至关重要。下面详细阐述**如何在硬件层面减少数字噪声耦合到模拟电路、保障参考电压的稳定性**。

FCZlll的博客 2649

关于学DP的一些心得

关于学DP的心得体会 这一周都在做DP题(虽然都是最基础的),现在对DP的了解就是公式。 开始对DP一点都不了解,例如数塔这一题。经长有一个想法:从最上面开始,往下搜索,在第2个层也许是最大的,但是在第3层就不一定了,同理第4层,第5层也是,有可能最后一层的数特别大,那这怎么呢?答案是从下往上搜索。例如5层数塔,可以看下这篇博客数塔问题。 就像百度百科上讲的,把一个大问题分解为几个子问题(小问题)...

weixin_43740907的博客 859

使用 ABAP 代码动态创建新的 Function Module

通过内表。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 6918

DP:完全背包+多重背包问题

完全背包:可以多次选择一个物品 多重背包:可以多次选择但是有次数限制

weixin_51142926的博客 1269

二维光子晶体禁带的遗传优化算法实现

二维光子晶体禁带的遗传优化算法MATLAB源代码 光子晶体中因周期性结构而存在的频率禁带称为光子禁带,光子禁带的存在是光子晶体具有广泛应用前景的重要原因。 禁带越大,可控光的频带也越宽,因此如何设计合适的晶体结构以获得大的光子禁带一直是研究和应用的重点与热点。 给大家讲解在平面波展开法的基础上,使用遗传算法寻找具有最大光子禁带的二维光子晶体结构。 %-------------------------------------------------------------------------- % Ph

m0_53407570的博客 583

复合材料仿真PAM-COMPOSITE 全工艺案例实操参数模板

复合材料仿真PAM-COMPOSITE 全工艺案例实操参数模板

源代码杀手的博客 284

背包dp——动态规划

本文介绍了背包类动态规划问题的基本概念和分类,重点分析了0-1背包问题的解法。背包问题源于资源分配场景,要求在有限容量下选择物品以获得最大价值。根据物品数量限制,背包问题可分为0-1背包、有界背包和无界背包三类。文章通过模板题详细讲解了0-1背包的两种变体:背包不必装满和必须装满的情况,分别给出了状态转移方程、初始化方法和填表顺序。最后提供了C++代码实现,并探讨了空间优化策略,包括滚动数组和单数组逆向填表两种优化方法。

2302_80105876的博客 3259

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

DP 动态规划(一) ——背包问题 学习总结(闫氏DP分析法)

AcWing 2. 01背包问题 AcWing 3. 完全背包问题 AcWing 4. 多重背包问题 AcWing 5. 多重背包问题 AcWing 9. 分组背包问题

Remember who you are! 5807

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

动态规划之完全背包

折断了递归的翅膀,是对?是错?

2302_80067378的博客 3196

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

动态规划-----背包类问题(0-1背包与完全背包)详解

背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为:给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。相似问题经常出现在商业、组合数学,计算复杂性理论、密码学和应用数学等领域中。也可以将背包问题描述为决定性问题,即在总重量不超过W的前提下,总价值是否能达到V?它是在1978年由Merkle和Hellman提出的。

2302_79862386的博客 4551

DP:完全背包问题

在完全背包问题中,每种物品有无限个可用,目标是在限定的背包容量内,选择物品使得总价值最大。动态规划通过将问题分解为子问题,利用子问题的解来构建最终解。完全背包问题具有最优子结构性质和重复子问题结构,非常适合用动态规划求解。通过对完全背包问题的深入探讨,我们了解了动态规划在解决这类问题中的重要性。完全背包问题在实际应用中非常广泛,例如货币兑换、资源分配和路径规划等。在解决过程中,我们学会了如何定义状态、确定状态转移方程,并通过优化空间复杂度提升算法效率。

2301_79969994的博客 1651

算法学习之动态规划DP——背包问题

一维状态第i轮对体积为 3的物品进行决策,则f[7]由f[4]更新而来,这里的f[4]正确应该f[i-1][4],但从小到大枚举j这里的f[4]在第i轮计算却变成了f[i][4]。当逆序枚举背包容量j时,我们求f[7]同样由f[4]更新,但由于是逆序,这里的f[4]还没有在第i轮计算,所以此时实际计算的f[4]仍然是f[i - 1][4]。在二维情况下,状态f[i][j]是由上一轮i - 1的状态得来的,f[i][j]与f[i - 1][j]是独立的。这Si个数分别为2^0, 2^1, 2^2……

m0_72955669的博客 5926

DP背包系列(01背包、完全背包、多重背包)(动态规划)

首先安利一发背包九讲:https://www.cnblogs.com/jbelial/articles/2116074.html 简单说说今天学到的 一:01背包问题 (每个物体只能拿一次,要求在一定的空间内,拿物体使得到的价值最大) 有两种写法,一种是二维数组,一种是一维数组(省空间) 1.二维dp的模板:(很奇怪这种方式在有多个样例输入的情况下,不用清空dp数组) 状态转移方程:...

suheyin的博客 6849

动态规划——01背包和完全背包

有一个背包能容纳的体积是v,现在有n个物品,第i个物品的体积为vi,价值为wi。 (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u;和wi表示第i个物品的体积和价值

申俏雅的博客 1382

【从二维到一维:动态规划——01背包完全背包的空间优化之路】—— 经典例题解答,将问题转化为背包问题

这篇文章介绍了如何通过空间优化将二维动态规划(DP)转化为一维DP,显著减少内存消耗并提升效率。二维DP常用于多维度状态问题,但在大规模问题中容易导致空间复杂度过高。通过使用一维数组并倒序更新状态,我们能够在不影响时间复杂度的情况下,降低空间复杂度。文章结合 背包问题 和 子集和问题 等经典案例,详细讲解了这一优化过程。读者将学习如何通过一维DP技巧,优化常见的动态规划问题,提高程序性能和内存利用率。

酷酷的崽的博客 1747

动态规划——背包问题整理(01背包+完全背包)

1、引言 背包问题简单描述,其实就是有一堆物品同时具有一定价值和重量,现有一个背包可以承受最大重量m,那么要怎么选择在不超过背包最大重量的前提下,使背包中选择的物品价值最大。 最常见的背包问题又可以分为:01背包和完全背包,图示如下: (图片引自:代码随想录) 2、标准01背包分析 (1)问题描述 (2)分析 最直接的想法应该是暴力解法,每一件物品只存在两种状态,拿或者不拿,那么便可以采用回溯的思想例举出所有可能,然后找到价值最大的组合,但我们会发现时间复杂度就到了...

weixin_50666824的博客 7412
上一篇: 进程IPC之PIPE(一)
下一篇: 《DP学习系列》Longest Valid Parentheses的一些DP细节思考
LoveStackover
博客等级 码龄9年 14粉丝 57原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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