P07: 有依赖的背包问题

本文探讨了有依赖的背包问题,提出将主件及其附件集合转化为物品组的方法,并通过01背包优化减少冗余策略,最终利用树形DP解决更一般的问题。

P07: 有依赖的背包问题

简化的问题

这种背包问题的物品间存在某种“依赖”的关系。也就是说,i依赖于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。

算法

这个问题由NOIP2006金明的预算方案一题扩展而来。遵从该题的提法,将不依赖于别的物品的物品称为“主件”,依赖于某主件的物品称为“附件”。由这个问题的简化条件可知所有的物品由若干主件和依赖于每个主件的一个附件集合组成。

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。)

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P06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P06中的一句话: 可以对每组中的物品应用P02中“一个简单有效的优化”。 这提示我们,对于一个物品组中的物品,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,我们可以对主件i的“附件集合”先进行一次01背包,得到费用依次为0..V-c[i]所有这些值时相应的最大价值f'[0..V-c[i]]。那么这个主件及它的附件集合相当于V-c[i]+1个物品的物品 组,其中费用为c[i]+k的物品的价值为f'[k]+w[i]。也就是说原来指数级的策略中有很多策略都是冗余的,通过一次01背包后,将主件i转化为 V-c[i]+1个物品的物品组,就可以直接应用P06的算法解决问题了。

较一般的问题

更一般的问题是:依赖关系以图论中“森林”的形式给出(森林即多叉树的集合),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DP,其特点是每个父节点都需要对它的各个儿子的属性进行一次DP以求得自己的相关属性。这已经触及到了“泛化物品”的思想。看完P08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。

小结

NOIP2006的那道背包问题我做得很失败,写了上百行的代码,却一分未得。后来我通过思考发现通过引入“物品组” 和“依赖”的概念可以加深对这题的理解,还可以解决它的推广问题。用物品组的思想考虑那题中极其特殊的依赖关系:物品不能既作主件又作附件,每个主件最多 有两个附件,可以发现一个主件和它的两个附件等价于一个由四个物品组成的物品组,这便揭示了问题的某种本质。

我想说:失败不是什么丢人的事情,从失败中全无收获才是。

AcWing 10题有依赖的背包问题具有一定特点,有 `N` 个物品和容量为 `V` 的背包,物品间存在依赖关系且构成树状,选择一个物品时必须选择其父节点,需找出使物品总体积不超背包容量且总价值最大的方案并输出最大价值 [^4]。 ### 思路 在树形背包问题里,可将动态规划的状态定义为当前节点以及是否选择了当前节点的物品,状态转移需考虑从当前节点的父节点和子节点转移过来的情况,还有当前节点是否选择物品 [^2]。 ### 代码实现 ```cpp #include<iostream> #include<vector> using namespace std; int f[110][110];//f[x][v]表达选择以x为子树的物品,在容量不超过v时所获得的最大价值 vector<int> g[110]; int v[110],w[110]; int n,m,root; int dfs(int x) { for(int i=v[x];i<=m;i++) f[x][i]=w[x];//点x必须选,所以初始化f[x][v[x] ~ m]= w[x] for(int i=0;i<g[x].size();i++) { int y=g[x][i]; dfs(y); for(int j=m;j>=v[x];j--)//j的范围为v[x]~m, 小于v[x]无法选择以x为子树的物品 { for(int k=0;k<=j-v[x];k++)//分给子树y的空间不能大于j-v[x],不然都无法选根物品x { f[x][j]=max(f[x][j],f[x][j-k]+f[y][k]); } } } } int main() { cin>>n>>m; for(int i=1;i<=n;i++) { int fa; cin>>v[i]>>w[i]>>fa; if(fa==-1) root=i; else g[fa].push_back(i); } dfs(root); cout<<f[root][m]; return 0; } ``` ### 代码解释 - `f[x][v]` 表示选择以 `x` 为子树的物品,在容量不超过 `v` 时所获得的最大价值。 - 初始化 `f[x][i]`(`i` 从 `v[x]` 到 `m`)为 `w[x]`,因为点 `x` 必须选。 - 递归遍历 `x` 的子节点 `y`,在更新 `f[x][j]` 时,需保证 `j` 从 `v[x]` 到 `m`,且分给子树 `y` 的空间 `k` 不大于 `j - v[x]`,以确保能选根物品 `x`。 ### 复杂度分析 - 时间复杂度:由于要遍历每个节点及其子节点,并且在每个节点处进行容量的枚举,时间复杂度为 $O(N * V^2)$,其中 `N` 是物品数量,`V` 是背包容量。 - 空间复杂度:主要用于存储动态规划数组和树的邻接表,空间复杂度为 $O(N * V)$。
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