完全背包

完全背包问题的动态规划解决方案
这篇博客详细介绍了完全背包问题的三种动态规划求解方法。第一种方法通过三层循环实现,第二种方法消去了选取数量的枚举,第三种方法使用滚动数组优化空间。每种方法都给出了相应的代码实现,旨在帮助读者理解如何在有限的背包容量下,最大化物品的价值。

完全背包

一、问题形式

题目描述

有一个最多能装m公斤的背包,现在有n种物品,每种的重量分别是W1,W2,…,Wn,每种的价值分别为C1,C2,…,Cn。若每种物品的个数足够多,求能获得的最大总价值。

输入格式

第一行为两个整数,即m,n。
以后每行为两个整数,表示每件物品的重量和价值。

输出格式

获得的最大总价值。

二、分析

法一

划分:

前i个背包容量j的最大价值;

阶段:

dp[i][j]:前i个背包容量j的最大价值;

转移:

i枚举数量,1~n;
j枚举容量:1~m;
k枚举选取数量的个数:0 ~ j/w[i];
每次取选与不选商品的最大值;
状态转移方程:
$ dp[i][j] = \max{dp[i - 1][j - k * w[i]] + c[i]} $

法二

思路:

因为k件数是有限的,即可将k消掉;

划分:

前i个背包容量j的最大价值;

阶段:

dp[i][j]:前i个背包容量j的最大价值;

转移:

i枚举数量,1~n;
j枚举容量:1~m;
每次取取与不取商品的价值最大值;
dp[i][j]={dp[i−1][j](j<w[i])max⁡{dp[i][j−w[i]+c[i],dp[i−1][j]}(j>=w[i]) dp[i][j] = \begin{cases} dp[i - 1][j] & (j < w[i]) \\ \max\{dp[i][j - w[i] + c[i], dp[i - 1][j]\} & (j >= w[i]) \end{cases} dp[i][j]={dp[i1][j]max{dp[i][jw[i]+c[i],dp[i1][j]}(j<w[i])(j>=w[i])

法三

思路:

背包个数那一维,只用到了i - 1,所以用滚动数组优化;

划分:

容量j的最大价值;

阶段:

dp[j]:容量j的最大价值;

转移:

i枚举数量,1~n;
j用j-w[i],从小到大枚举;
j枚举容量:w[i] ~ m;
每次比较取与不取时的价值最大值;
状态转移方程:
$ dp[j] = \max{dp[j], dp[j - w[i]] + c[i]} $

三、代码

法一

#include <cstdio>
#include <algorithm>
using namespace std;
int n, m, w[105], c[105], dp[105][1005];
int main() {
	scanf("%d %d", &m, &n);
	for (int i = 1; i <= n; i++) {
		scanf("%d %d", &w[i], &c[i]);
	}
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= m; j++) {
			for (int k = 0; k <= j / w[i]; k++) {
				dp[i][j] = max (dp[i][j], dp[i - 1][j - k * w[i]] + k * c[i]);
			}
		}
	}
	printf("%d", dp[n][m]); 
	return 0;
}

法二

#include <cstdio>
#include <algorithm>
using namespace std;
int n, m, w[105], c[105], dp[105][1005];
int main() {
	scanf("%d %d", &m, &n);
	for (int i = 1; i <= n; i++) {
		scanf("%d %d", &w[i], &c[i]);
	}
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= m; j++) {
			if (j < w[i]) {
				dp[i][j] = dp[i - 1][j];
			} else {
				dp[i][j] = max(dp[i - 1][j], dp[i][j - w[i]] + c[i]);
			}
			
		}
	}
	printf("%d", dp[n][m]);
	return 0;
}

法三

#include <cstdio>
#include <algorithm>
using namespace std;
int n, m, w[105], c[105], dp[1005];
int main() {
	scanf("%d %d", &m, &n);
	for (int i = 1; i <= n; i++) {
		scanf("%d %d", &w[i], &c[i]);
	}
	for (int i = 1; i <= n; i++) {
		for (int j = w[i]; j <= m; j++) {
			dp[j] = max(dp[j], dp[j - w[i]] + c[i]);
		}
	}
	printf("%d", dp[m]);
	return 0;
}

(SCI三维路径规划对比)25年最新五种智能算法优化解决无人机路径巡检三维路径规划对比(灰雁算法真菌算法吕佩尔狐阳光生长研究(Matlab代码实现)内容概要:本文档主要介绍了一项关于无人机三维路径巡检规划的研究,通过对比2025年最新的五种智能优化算法(包括灰雁算法、真菌算法、吕佩尔狐算法、阳光生长算法等),在复杂三维环境中优化无人机巡检路径的技术方案。所有算法均通过Matlab代码实现,并重点围绕路径安全性、效率、能耗和避障能力进行性能对比分析,旨在为无人机在实际巡检任务中的路径规划提供科学依据和技术支持。文档还展示了多个相关科研方向的案例与代码资源,涵盖路径规划、智能优化、无人机控制等多个领域。; 适合人群:具备一定Matlab编程基础,从事无人机路径规划、智能优化算法研究或自动化、控制工程方向的研究生、科研人员及工程技术人员。; 使用场景及目标:① 对比分析新型智能算法在三维复杂环境下无人机路径规划的表现差异;② 为科研项目提供可复现的算法代码与实验基准;③ 支持无人机巡检、灾害监测、电力线路巡查等实际应用场景的路径优化需求; 阅读建议:建议结合文档提供的Matlab代码进行仿真实验,重点关注不同算法在收敛速度、路径长度和避障性能方面的表现差异,同时参考文中列举的其他研究案例拓展思路,提升科研创新能力。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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