《DP学习系列》从零开始学习动态规划,有依赖的背包问题(七)

贪心法——背包问题【通俗易懂】 贪心法——背包问题一、概述 贪心法把一个复杂问题分解为一系列较为简单的局部最优选择,每一步选择都是对当前的一个扩展,直到获得问题的完整解。二、适用范围 典型应用是求解最优化问题,而且对许多问题都能得到整体最优解。 注意:由于贪心法并不是从整体最优考虑,它所做出的选择只是在某种意义上的局部最优,这种局部最优选择并不总获得整体最优解,但通常能获得近似最优解。三、背包问题【问题】 给定n个物品和一 阅读详情

1. 预备部分

如果真的从零开始学习DP,那么从七讲以后的部分就要烧脑细胞了。如果是为了笔试准备,笔者感觉后面就可以不用看了。但是笔者这里还是完整记录完,我们看别人的结论尚且要思索万千,所以崔添翼真是非常聪明。该部分来自NOIP2006的比赛原题,所以我们初学者也有必要看看前因后果,原题如该博主记录所示。

2. 简化的问题

金明的预算的原题节选:

把想买的物品分为两类:主件与附件,附件是从属于某个主件的,如果要买归类为附件的物品,必须先买该附件所属的主件。每个主件可以有0个、1个或2个附件。附件不再有从属于自己的附件。

背包九讲泛化该问题,抓住了问题的本质。

这种背包问题的物品间存在某种“依赖”的关系。也就是说,物品i依赖于 物品j,表示若选物品i,则必须选物品j。为了简化起见,我们先设没有某个物品既依赖于别的物品,又被别的物品所依赖;另外,没有某件物品同时依赖多件物品。

3. 算法

按照背包问题的一般思路,仅考虑一个主件和它的附件集合。可是,可用的策略非常多,包括:一个也不选,仅选择主件,选择主件后再选择一个附件,选择主件后再选择两个附件……无法用状态转移方程来表示如此多的策略。事实上,设有n个附件,则策略有2^n + 1个,为指数级。

崔作者说没有办法写出来,我觉得读者也应该确实尝试去写,就知道为什么需要下面的优化了。因为太多,没有办法表示,所以崔思考了这些不同的选择之间的关系:

  • 考虑到所有这些策略都是互斥的(也就是说,你只能选择一种策略),所以一个主件和它的附件集合实际上对应于6中的一个物品组,每个选择了主件又选择了若干个附件的策略对应于这个物品组中的一个物品,其费用和价值都是这个策略中的物品的值的和。但仅仅是这一步转化并不能给出一个好的算法,因为物品组中的物品还是像原问题的策略一样多。
  • 再考虑对每组内的物品应用2.3中的优化。我们可以想到,对于第k个物品组中的物品,所有费用相同的物品只留一个价值最大的,不影响结果。所以,可以对主件k的“附件集合”先进行一次01背包,得到费用依次为0…V − Ck所有这些值时相应的最大价值Fk[0 … V − Ck]。那么,这个主件及它的附件集合相当于V − Ck + 1个物品的物品组,其中费用为v的物品的价值为Fk[v − Ck] +Wk, v的取值范围是Ck ≤ v ≤ V 。

最难理解的就是第二点,但是第二点又是本文的核心。可以再想想我们需要优化下之前每组的太多的策略的缺陷,但是如何优化呢?值得注意的是,崔说这种优化等同于2.3的输入提前优化,指的是01背包方式问题的输入提前优化。
  说白了,因为每个附件都可以选或者不选,**所以第k组中选择了多少的附件的问题转化为01背包问题,而且我们可以对附件进行提前优化,改善时间复杂度。**再次捋顺逻辑,首先因为依赖关系,可以将一些物品绑定(分)成一个组,然后每组中的物品选择策略可以分成一个都不选和选择主件及L个附件的问题,之后选择L个附件的问题又可以转化为01背包问题。原文没有直接给出伪代码,根据上面的分析,我们也能写出来这伪代码:

//总问题
F[0...V]
F[0]=0

for k=1 to K
	for v=V to 0
		for i=0 to V-Ck
			F[v]=max{F[v],F[v-Ck-i]+Y[i]+Wk}
//子问题
Y[0...V-Ci]
Y[0]=0

for j=0 to J
	for v=V-Ck to Cj
		Y[v]=max{Y[v],Y[v-Ck-Cj]+Wj} 

自己写出来伪代码时,思路就很清晰了,可以选择在子问题中进行输入优化。以上伪代码没有做该优化,所以本质上我们将子问题单独处理,优化了每组的选择策略数量。

4. 再提高难度

  • 更一般的问题是:依赖关系以图论中“森林” 3的形式给出。也就是说,主件的附件仍然可以具有自己的附件集合。限制只是每个物品最多只依赖于一个物品(只有一个主件)且不出现循环依赖。
  • 解决这个问题仍然可以用将每个主件及其附件集合转化为物品组的方式。唯一不同的是,由于附件可能还有附件,就不能将每个附件都看作一个一般的01背包中的物品了。若这个附件也有附件集合,则它必定要被先转化为物品组,然后用分组的背包问题解出主件及其附件集合所对应的附件组中各个费用的附件所对应的价值。
  • 事实上,这是一种树形动态规划,其特点是,在用动态规划求每个父节点的属性 之前,需要对它的各个儿子的属性进行一次动态规划式的求值。这已经触及到了“泛化物品”的思想。看完8后,你会发现这个“依赖关系树”每一个子树都等价于一件泛化物品,求某节点为根的子树对应的泛化物品相当于求其所有儿子的对应的泛化物品之和。

第三点的总结以后再回顾,现在用图形表示的上面的解决逻辑:
这里写图片描述

5. 总结

背包九讲还有两讲就完了,之后笔者考虑直接根据DSAA的章节学习吧,算法导论的计划暂时修改下,因为时间紧凑,Leetcode分成三阶段,总数目在300题吧。

九大背包问题专题--有依赖的背包问题(树形Dp结合) 9.有依赖的背包问题 问题: 有N件物品和一个容量是V的背包。 物品之间具有依赖关系,且依赖关系组成一棵树的形状。如果选择一个物品,则必须选择它的父节点。 如图所示 如果选择物品5,则必须选择物品1和2,这是因为2是5的父节点,1是2的父节点。 每件物品的编号是i,体积是vi,价值是wi,依赖的父节点编号是pi。物品的下标范围是1…N. 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的容... 阅读详情

相关推荐

题解:AcWing 10 有依赖的背包问题

等知名刷题平台精心挑选而来,并结合各平台提供的算法标签和难度等级进行了系统分类。题目涵盖了从基础到进阶的多种算法和数据结构,旨在为不同阶段的编程学习者提供一条清晰、平稳的学习提升路径。物品之间具有依赖关系,且依赖关系组成一棵树的形状。如果选择一个物品,则必须选择它的父节点。求解将哪些物品装入背包,可使物品总体积不超过背包容量,且总价值最大。,用空格隔开,分别表示物品的体积、价值和依赖的物品编号。,用空格隔开,分别表示物品个数和背包容量。行数据,每行数据表示一个物品。输出一个整数,表示最大价值。

团爸讲算法 1111

动态规划(DP)的整理-Python描述

今天整理了一下关于动态规划的内容,道理都知道,但是python来描述的方面参考较少,整理如下,希望对你有所帮助,实验代码均经过测试。 请先好好阅读如下内容–什么是动态规划? 摘录于《算法图解》 以上的都建议自己手推一下,然后知道怎么回事,核心的部分是142页核心公式,待会代码会重现这个过程,推荐没有算法基础的小伙伴看这本书《算法图解》很有意思的书,讲的很清晰,入门足够 更深入的请阅读pytho

MrLevo520的博客 4万+

在Jetson orin NX上安装部署Yolov8

1、环境准备与依赖安装2、安装PyTorch和Torchvision:从NVIDIA官方论坛或开发者下载中心获取与你的JetPack版本兼容的PyTorch wheel文件。例如,对于JetPack 5.1.2,可以安装PyTorch v2.1.0 8。:需要编译安装与PyTorch版本匹配的Torchvision。这里自己编译没有成功,下载了一个现成的可以用torchvision-0.16.2+c6f3977-cp38-cp38-linux_aarch64.whl。

xxxcccvvvbbb的博客 778

背包九讲学习笔记 第七讲-有依赖的背包问题 第八讲-泛化物品

背包dp,背包到底是什么? 7.有依赖的背包问题 有依赖的背包问题指的是如果物品j依赖于物品i, 要想选择物品j必须先选择了物品i. 一个简化的问题是:一件物品只会依赖最多一件物品,且附属品不会被依赖. 思考 首先想一下我的dp训练第19题黄金矿工.那道题里实际上一条过原点的直线上的金块会按顺序依赖.当时的解法是将一条线上的所有物品看成一组,然后将组中前方物品的值加在后方...

秋叶红于二月花 1986

期权专题9:雪球期权(一)(BSM+蒙特卡罗定价)

python;雪球定价;蒙特卡罗

mhmh123789的博客 8106

【SAP HANA 24】HANA与Oracle SQL语法对照表

HANA SQL参考及Oracle 语法对照

探索 Java 编程的技巧、最佳实践和解决方案。本博客提供针对 Java 开发者的实用指南,涵盖从基础到高级话题,旨在提升编程效率和技能。 1430

背包九讲——树形背包问题(有依赖的背包)

树形背包也叫有依赖的背包,是一种背包问题的变体,与传统的背包问题不同的是,物品之间存在一定的层次结构,形成了一棵树。每个节点代表一个物品,节点之间通过边连接,表示层次关系。问题的目标是在遍历这棵树的过程中,选择一些物品放入背包,使得背包中物品的总价值最大。 在树形背包问题中,一个节点可以选择放入背包,也可以选择不放入背包。如果选择放入,就需要考虑该节点的子节点;如果选择不放入,可以考虑其他兄弟节点。问题的关键是如何在遍历树的过程中,动态规划地计算每个节点的状态。

闻道有先后,术业有专攻 4283

【教程4>第8章>第44节】本章整体思维导图与学习总结

本教程系列提供FPGA/MATLAB/Simulink学习资源,包含《MATLAB入门100例》、《FPGA入门100例》、《Simulink入门60例》等基础教程,以及《FPGA/MATLAB/Simulink联合开发》进阶教程和《人工智能基础应用研究》专题,适合不同层次的学习者系统掌握相关技术。

FPGA/MATLAB学习教程/源码/项目合作开发 450

动态规划之背包问题——01背包

文章目录一、01背包问题二、二维dp数组解决01背包问题1. 确定dp数组以及下标的含义2. 确定递推公式3. dp数组初始化4. 确定遍历顺序5. 举例推导dp数组三、一维dp数组解决01背包问题1. 确定dp数组以及下标的含义2. 一维dp数组的递推公式3. 一维dp数组如何初始化4. 一维dp数组遍历顺序5.举例推导dp数组四、leetcode例题讲解01背包问题416. 分割等和子集1049. 最后一块石头的重量 II494. 目标和474. 一和零 背包问题中我们常见的就是01背包和完全背包。在l

小朱小朱绝不认输的博客 1万+

量化交易 米筐 多因子合成(回测中使用)

多因子合成 1、因子合成 将一些相关(高、低)的因子合成一个因子 方法: 使用PCA方式(使用于较强相关性) 2、核心代码 将因子 inc_revenue_ttm 和 operating_revenue_growth_ratio_ttm 合成为一个因子 inc_operating from sklearn.decomposition import PCA pca = PCA(n_components=1) # 因子合并 fund['inc_operating'] = pca.fit_transform(fu

廷益_飞鸟的博客 1065

【四足机器人项目实战】四足机器人支撑腿反作用力规划之VMC解耦控制方法

系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、基于模型的工作空间控制框图二、原理三、缺点 前言 认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长! 本文先对未简化的动力学模型规划反作用力+运动学模型雅可比+虚功原理规划关节扭矩方法做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章 提示:以下是本篇文章正文内容 一、基于模型的工作空间控制框图 . . 二、原理 基于机器人的动力学模

qq_35635374的博客 6599

动态规划DP 背包问题 有依赖的背包问题(模型分析+C++完整代码)

为根的树中,将其子结点对应子树看作一组组物品,也就是对于k个子树,即k组物品,此时转化为分组背包问题。ne数组存储下一条边,如果ne的为-1表示当前结点没有下一条边,ne的下标是当前边的编号,数值是当前结点的下一条边的编号;每件物品的编号是 i,体积是 vi,价值是 wi,依赖的父节点编号是 pi。h数组是邻接表的表头,其下标为当前节点值,h的值是当前结点第一条边的编号(最后加入的那一条边);这是因为2是5的父节点,1是2的父节点。e数组是边的集合,其下标为当前边的编号,数值是当前边的终点;

fcc13461862452的博客 797

Allegro23.1新功能之软件自带阻抗计算工具操作指导

Allegro升级到了23.1后,软件新增了一个自带阻抗计算的功能,如下图。Propagation velocity:传输速度,单位是光速的多少倍。Dielectric constant输入介电常数,这里使用常规4。新功能之软件自带阻抗计算工具。如何使用,具体操作如下。

weixin_54787054的博客 785

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

RK3588上使用PCIE接口的国产千兆网卡YT6801

YT6801是裕太微电子开发的一款国产千兆PCIE以太网控制器芯片,可作为RK3588的PCIE外扩网口使用。

荻夜的博客 8234

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

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

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。

第一章 动态规划 背包问题之有依赖的背包问题

动态规划 背包问题 有依赖的背包问题

刘胖仔学后端 2224

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

AcWing 10. 有依赖的背包问题(分组背包问题 + 树形DP)

详细讲解树形DP + 分组背包模型的代码思路。

Turing_Sheep的博客 1956

动态规划dp

dp[i]:i是这个位置的,而dp[i]是作用这个位置而有的值(通常是一个一维或二维数组)用来存储子问题的解。每一个表示在某个状态下的解。这个数组的意义是:通过记录之前的计算结果来避免重复计算,从而提高效率。

2402_89056915的博客 2889

动态规划——树形dp

树形 DP,即在树上进行的 DP。由于树固有的递归性质,树形 DP 一般都是递归进行的。在树上设计动态规划算法时,一般就以节点从深到浅(子树从小到大)的顺序作为DP的“阶段”,DP的状态表示中,第一维通常是节点编号(代表以该节点为根的子树)。自底向上dfs,属于树的后序遍历

qq_57150526的博客 4295

【动态规划算法(dp算法)】之背包问题

动态规划 01背包

大龄烤红薯的博客 1640

【树形DP】有依赖的背包问题

目录有依赖的背包问题 有依赖的背包问题 题目链接:有依赖的背包问题 如果选择 物品5,则必须选择** 物品1 **和 物品2。 这是因为 物品2 是物品5 的 父节点,物品1 是 物品2 的 父节点。 求一个方案,使得该选择的物品合法,总体积不超过 V,且总价值最大。 我们考虑树形DP 对于结点i,对第 i 件物品只会依赖第i-1物品的状态 如果本题我们也采用该种状态依赖关系的话 对于结点i,我们需要枚举他所有子节点的组合** 2^k**种可能 再枚举体积,最坏事件复杂度可能会达到 O(Nx2^NxV)

qq_52765554的博客 2707

有依赖的背包问题

从第2行到第m+1行,第j行给出了编号为j-1的物品的基本数据,每行有3个非负整数v p q,其中v表示该物品的价格,p表示该物品的重要度(1~5),q表示该物品是主件还是附件。有依赖的背包问题一般会有一定的限制条件,例如选择某一件的前提是选择了另一件物品, 选第 i 件物品,就必须选择第 j 件物品,保证不会循环引用。设第j件物品的价格为v[j],重要度为w[j],共选中了k件物品,编号依次为j1,j2,…输入文件的第1行,为两个正整数,用一个空格隔开:N m,其中N表示总钱数,m为希望购买物品的个数。

weixin_62224014的博客 1938

HDU 1561 The more, The Better 树形dp 有依赖的背包问题

https://vjudge.net/problem/HDU-1561 思路:稍微转化一下就是有依赖的背包问题了,当然也属于树形dpdpdp的范畴。这里就说一下怎么转化,认为每一个城堡的体积都是111,背包的总体积为mmm即可,当然有个细节要注意,就是点000的体积是000。 关于有依赖的背包问题,可以看我这篇博客的介绍: https://blog.youkuaiyun.com/xiji333/article...

xiji333的博客 272

10 有依赖的背包问题(分组背包问题 + 树形dp)

1. 问题描述: 有 N 个物品和一个容量是 V 的背包。物品之间具有依赖关系,且依赖关系组成一棵树的形状。如果选择一个物品,则必须选择它的父节点。如下图所示: 如果选择物品5,则必须选择物品1和2。这是因为2是5的父节点,1是2的父节点。每件物品的编号是 i,体积是 vi,价值是 wi,依赖的父节点编号是 pi。物品的下标范围是 1…N。求解将哪些物品装入背包,可使物品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 第一行有两个整数 N,V,用空格隔开,分别表示物品个数和背包容量。

二哈 3705

动态规划——背包问题

背包问题。包括01背包、完全背包、多重背包、分组背包、二维01背包、混合背包尽可能详细的经验总结。

m0_73693552的博客 1352
上一篇: 《DP学习系列》从零开始学习动态规划,混合背包(四)
下一篇: 网络编程之Elementary TCP Sockets(一)
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