《DP学习系列》从零开始学习动态规划,混合背包(四)

动态规划之背包问题 动态规划的背包问题总结 阅读详情

前言

引文出自崔添翼背包9讲。

1. 题目对比

  • 问题1:有 N 件物品和一个容量为 V 的背包。放入第 i 件物品耗费的费用是 Ci,得到的价值是 Wi。求解将哪些物品装入背包可使价值总和最大。
  • 问题2: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Ci,价值是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。
  • 问题3:有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci,价值是Wi。求解将哪些物品装入背包可使这些物品的耗费的空间总和不超过背包容量,且价值总和最大。

其中问题2等价于每件有V/CiV/CiV/Ci的件数可用,现在将问题3变种,MiM_{i}Mi​上做文章,变成:

如果将前面1、 2、 3中的三种背包问题混合起来。也就是说,有的物品只可以取一次(01背包),有的物品可以取无限次(完全背包),有的物品可以取的次数有一个上限(多重背包)。应该怎么求解呢?

崔在背包九讲这么总结,笔者觉得可以更加准确的定义问题3的变种,就是MiM_{i}Mi​的取值可能是1,也可能V/CiV/CiV/Ci,还可能是Mi<V/CiM_{i}<V/CiMi​<V/Ci件。思考:本质上看待其实就是MiM_{i}Mi​件给定的限制不同。

2. 一般的做法

for n=1 to N
   for v=0 to V
      for  k=0 to logMi
           if( v-2^kCi >=0 )//前面笔者没加这个,虽然说伪代码不用这么细节
	           F[i,v]=max{F[i-1,v-2^kCi]+2^kWi,F[i,v]}//使用max可以简化代码

该解法就是多重背包的解法,但是**能解决混合背包,我们将每种物品的限制通过MiM_{i}Mi​表现出来就可以了。**该算法的时间复杂度前面分析过为O(V∑logMi)O(V\sum logMi)O(V∑logMi)。

3. 崔添翼的做法

for i 1 to N
	if 第i件物品属于01背包
		ZeroOnePack(F,Ci,Wi)
	else if 第i件物品属于完全背包
		CompletePack(F,Ci,Wi)
	else if 第i件物品属于多重背包
		MultiplePack(F,Ci,Wi,Ni)

如果仔细思考的话,觉得崔似乎多次一举。**但是该方式时间复杂度上确实优于上面的一般做法。**该做法的最优时间复杂度为O(NV)O(NV)O(NV),最坏时间复杂度为O(V∑logMi)O(V\sum logMi)O(V∑logMi)。平均时间复杂度不好分析,根据输入数据而定。

4. 崔添翼本意

在最初写出这三个过程的时候,可能完全没有想到它们会在这里混合应用。我想这体现了编程中抽象的威力。如果你一直就是以这种“抽象出过程”的方式写每一类背包问题的,也非常清楚它们的实现中细微的不同,那么在遇到混合三种背包问题的题目时,一定能很快想到上面简洁的解法,对吗?

刚开始我也奇怪,为什么第四讲会讲这个。问题抽象化是一种能力,能将新问题转化成若干旧问题。以后也要多学习将问题抽象,这样我们就有无数的类似于STL库方便的工具,让我们无所畏惧新问题。
  最后搜索了一些ACMer的事情,有时候算法的常数优化都是比赛所看重的。何况上面的优化远远大于常数级了。(遗憾自己从来不是计算机专业,否则一定也是一名ACMer,拿不拿奖就不知道了。)

动态规划【4】之混合背包 混合背包就是将前面三种的背包问题混合起来,有的只能取一次,有的能取无限次,有的只能取kkk次。1 例题:luogu1833 樱花 事实上,我们直接对不同的物品按情况讨论即可。 关于混合背包,0/1背包可以看成是多重背包的特例(k=1k=1k=1),因此,仅考虑两种情况即可。 luogu1833 樱花对应的代码如下: /* **************************************... 阅读详情

相关推荐

背包九讲完整详解.pdf

动态规划是编程解题的一种重要手段。1951 年美国数学家 R.Bellman 等人,根据一类多阶段问题的特点,把多阶段决策问题变换为一系列互相联系的单阶段问题,然后逐个加以解决。与此同时,他提出了解决这类问题的“最优化原理”,从而创建了解决最优化问以解决。与此同时,他提出了解决这类问题的“最优化原理”,从而创建了解决最优化问题的一种新方法:动态规划。

背包九讲(超详细 :算法分析 + 问题分析 + 代码分析)

背包问题1. 01背包问题2. 完全背包问题3. 多重背包问题4. 混合背包问题5. 二维费用的背包问题6. 分组背包问题7. 背包问题求方案数8. 求背包问题的方案9. 有依赖的背包问题 1. 01背包问题 特点:每个物品只能用一次,只能是选择或者不选择 题目链接 有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。 第 i 件物品的体积是 vi,价值是 wi。 求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。 输入格式 第一行两个整数,N,V,用空格隔

是微风,是晚霞,是无可替代 1万+

背包九讲完整版.pdf

背包九讲pdf资源

背包九讲——全篇详细理解与代码实现

dd_engi背包九讲的个人整理,包含代码例题及个人理解

良月澪二的博客 16万+

ANSYS WB 网格划分详解与技巧

本文详细介绍了网格操作中的关键设置与功能选项。主要内容包括:1)网格显示风格与物理偏好设置;2)单元阶次选择对精度的影响;3)单元尺寸控制方法;4)尺寸调整功能,重点讲解了自适应尺寸调整、增长率控制和捕获曲率等选项;5)网格质量评估标准;6)四种主要划分方法(四面体、六面体主导、扫掠、多区域)的特点与适用场景;7)三种尺寸调整方式(直接调整、边缘尺寸调整、影响范围调整)的具体应用。文章强调在实际建模中需要根据模型特点合理选择网格参数,平衡计算精度与效率。

2403_87939837的博客 1701

Keil5 安装与卸载全攻略:从零开始到完美避坑

本文提供了Keil5集成开发环境的完整安装与卸载指南。针对嵌入式开发新手,详细解析了安装前的关键准备、MDK核心与C51双环境的安装激活步骤、常见问题排查,并重点介绍了如何彻底卸载软件以避免残留问题,帮助用户从零开始搭建稳定高效的开发环境。

weixin_29172963的博客 636

《背包九讲》笔记及c++实现

花了一下午时间拜读了菊苣的《背包九讲》。但还没有勇气挑战A题,先写个笔记热个身。。         1. 01背包问题         1.1 题目           有N件物品和一个容量为V 的背包。放入第i件物品耗费的空间是Ci,得到的价值是Wi。求解将哪些物品装入背包可使价值总和最大。(注意这个问题有两种版本,一个版本是消耗体积恰好为V时得到的最大价值,另一个版本是消耗体积

Sundance 817

ADC电路项目1——10bit SAR ADC 设计,smic18工艺,有工艺库,有效位数ENOB为9.8

包括详细仿真文档,原理介绍,完整电路图,仿真参数已设好,可直接使用,在自己的电脑上就可以运行仿真。本设计采用 smic18mmrf CMOS 工艺,使用栅压自举电路的采样开关,Vcm-based 开关。电容开关控制电路,10 位 DFF,最后用 10 位理想 DAC 模块将数字码转换为 10 进制量进。时序上级板采样的 DAC 电容阵列,两级动态比较器,比较器异步时钟,SAR 动态逻辑,DAC。10bit SAR ADC 设计,smic18工艺,有工艺库,有效位数ENOB为9.8。

qq_48407979的博客 817

背包九讲(超值得看的一大坨资料,附代码、视频、资料...)

刷算法题必懂的思想,包含01背包问题、完全背包问题、多重背包问题、混合背包、二维费用的背包问题、分组背包问题、背包问题求方案数、求背包问题的方案;看完后悔你捶我!

qq_40649503的博客 2271

从硬件拆解到图像生成:一次搞懂MRI设备(主磁体、梯度线圈、射频系统)是如何协同工作的

本文深入解析MRI设备的三大核心系统——主磁体、梯度线圈和射频系统如何协同工作,实现从量子现象到诊断图像的转化。通过详细的技术参数和临床案例,揭示磁共振成像(MRI)在医疗图像处理中的精密工程原理和最新技术突破,帮助读者全面理解这一现代医学影像技术的运作机制。

weixin_33734785的博客 552

Windows下用VS2022编译libcurl全流程(含openssl配置避坑指南)

本文详细介绍了在Windows平台使用Visual Studio 2022编译libcurl库的完整流程,重点解决了集成OpenSSL支持HTTPS功能时的常见配置难题。从环境准备、源码获取、依赖编译到工程配置,提供了清晰的步骤和针对非默认安装路径的避坑指南,帮助开发者高效完成网络库的集成工作。

weixin_29291185的博客 248

背包问题(背包九讲)

动态规划 01背包 01背包的状态转移方程f[i,j] = Max{f[i-1,j-wi]+pi(j>=wi),f[i-1,j]} f[i,j]表示在前i件物品中选择若干件放在承重为j的背包中,可以取得的最大价值。 pi表示第i件物品的价值。 决策:为了背包中物品总价值最大化,第 i件物品应该放入背包中吗 ? 题意描述: 假设山洞里共有a,b,c,d ,e这5件宝物(不是5种宝物),它们的重量分别是2,2,6,5,4,它们的价值分别是6,3,5,4,6,现在给你个承重为10的背包, 怎么装背包,可以才

lymww的博客 1674

Excel数据透视表实战:分组折线图制作与动态分析指南

数据可视化是数据分析的关键环节,其核心原理在于将抽象数据转化为直观图形,以揭示趋势、对比差异。在众多图表类型中,折线图因其能清晰展示连续数据随时间或其他序列的变化趋势,而成为趋势分析的利器。其技术价值在于通过视觉编码,将多维数据关系降维呈现,从而辅助决策。在业务分析、运营监控等应用场景中,常需对比不同分组(如产品线、销售区域)在同一时间序列上的表现,这正是分组折线图要解决的核心问题。本文聚焦于利用Excel数据透视表这一强大工具,高效构建动态分组折线图,并深入探讨数据透视表在数据重塑和图表自动化中的实战应用

weixin_29057237的博客 382

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

手把手教你学Simulink——基于Simulink的多轮PMSM同步驱动交叉耦合控制

摘要:本文针对多轮PMSM同步驱动系统的负载不均、参数差异等问题,提出基于Simulink的交叉耦合控制解决方案。通过实时补偿轮间同步误差,实现同步误差<1%、转矩脉动<5%的性能提升。文章详细介绍了系统架构、核心算法(包括PMSM数学模型和偏差耦合控制算法)、Simulink建模步骤及参数设置,并通过仿真验证了稳态和动态性能。同时提供了工程调试建议和完整代码实现,为多轮驱动系统开发提供实用参考。该方案计算量小,可移植性强,适用于电动汽车、AGV等应用场景。

MHD0815的博客 146

基于simulink的预测电流控制策略的三相逆变器仿真

本文详细介绍了在Simulink中实现基于预测电流控制策略的三相逆变器仿真方法。主要内容包括:准备工作(安装必要软件及工具箱)、构建三相逆变器基础模型、设计预测电流控制器(包含状态空间建模和控制器设计)、实现控制逻辑、添加示波器观察输出、配置仿真参数以及运行仿真分析结果。通过MATLAB代码示例和Simulink模块说明,展示了如何选择最优开关状态来最小化电流误差。该仿真方法为研究快速响应、高精度的逆变器控制提供了实用工具,但需注意实际应用中可能需要的调试工作。

amy_mhd的博客 278

【算法】动态规划+“背包九讲”原理超详细讲解+常见dp问题(9种)总结

背包九讲

繁凡さん的博客 6615

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

背包九讲——混合背包问题

混合背包问题是背包问题的另一种变体,结合了0/1背包、多重背包和完全背包的特点。在混合背包问题中,每种物品可以选择放入背包的次数是有限的,而且也可以选择放入的数量是无限的。问题的描述如下:给定一个背包容量为m,有n种物品,每种物品有重量v[i]、价值w[i]、以及数量s[i]。其中,s[i]表示第i种物品的数量限制。目标是选择物品放入背包,使得它们的总重量不超过背包容量,并且总价值最大。

闻道有先后,术业有专攻 3050

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

背包DP之混合背包

实际的背包问题中,物品往往不会是单一类型——可能既有“只能选一次”的0/1背包物品,又有“可无限选”的完全背包物品,还有“最多选k次”的多重背包物品,这种“混合背包”模型更贴近现实场景(如“限量商品+常规商品+限购商品”的组合),但求解时需要整合多种背包的处理逻辑。

1505

动态规划: 背包DP大合集

dp[i][j]:表示前i个主件及其附件,在背包容量j时的最大价值。

cuber膜拜的博客 1093

class075 背包dp-多重背包、混合背包【算法】

class075 背包dp-多重背包、混合背包【算法】

小心星的博客 1122

74.【必备】背包dp-多重背包、混合背包

本文的网课内容学习自B站左程云老师的算法详解课程,旨在对其中的知识进行整理和分享~

XY_StarField的博客 999

【算法】动态规划专题⑩ —— 混合背包问题 python

混合背包结合了三种不同类型的背包问题:0/1背包、完全背包和多重背包

查理零世的博客 1432

动态规划——背包问题(详解)

动态规划是我最早接触的算法,一开始非常简单,固定模板题,后来愈发愈发难起来了,条件,状态压缩等等,难点主要是,状态怎么表示,状态转移方程怎么写,这篇文章将会从背包五大问题详解,希望能帮助到大家去类比,思考其他动态规划题目。 首先先来看看动态规划的定义: 动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。

qq_61896131的博客 9552

【动态规划】详解混合背包问题

代替单调队列,因为我们不需要记录最大值,只需要记录当前 dp[j] 能不能变成 true,只要依赖的几个有一个为 true 那么 dp[j] 就能变成 true。举个例子:假设 m = 5,现在给了两种硬币,硬币1 价值 1 个数2,硬币2 价值 4 个数 1,问 [1,5] 这个范围里面有多少个价值能够被这些硬币凑出来。这道题目意思是:题目输入 n, m,并且给出了这 n 个硬币的价值和个数,问通过这些硬币能够构成 [1,m] 这个价值范围里面的哪些价值。上面计算多重背包的时候用了。如有错误,欢迎指出!

Jwasx的博客 810

动态规划」详解背包问题及实践(附C++代码)

背包问题是一个经典的组合优化问题,它可以被抽象为一个把物品放入背包中的过程,以求最终背包中物品价值的最大化。0/1背包问题是一个经典的动态规划问题,指的是有n个物品和一个容量为W的背包,每个物品只能选择装入一次或不装入。在装入背包的物品总重量不能超过W的前提下,选择物品装入背包中,使得背包中物品的总价值最大。

BXA 7327
上一篇: DSAA之图论Kruskal算法(七)
下一篇: 《DP学习系列》从零开始学习动态规划,有依赖的背包问题(七)
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