完全背包
-
描述
-
直接说题意,完全背包定义有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。第i种物品的体积是c,价值是w。求解将哪些物品装入背包可使这些物品的体积总和不超过背包容量,且价值总和最大。本题要求是背包恰好装满背包时,求出最大价值总和是多少。如果不能恰好装满背包,输出NO
-
输入
-
第一行: N 表示有多少组测试数据(N<7)。
接下来每组测试数据的第一行有两个整数M,V。 M表示物品种类的数目,V表示背包的总容量。(0<M<=2000,0<V<=50000)
接下来的M行每行有两个整数c,w分别表示每种物品的重量和价值(0<c<100000,0<w<100000)
输出
- 对应每组测试数据输出结果(如果能恰好装满背包,输出装满背包时背包内物品的最大价值总和。 如果不能恰好装满背包,输出NO) 样例输入
-
2 1 5 2 2 2 5 2 2 5 1
样例输出
-
NO 1
-
完全背包,每种物体有无限多个,求能装满背包的最大的价值;
-
0-1背包,每种物体只有一个,求背包能装下的最大价值
-
数组初始化的时候要赋值一个负值,但是第0位应该赋值为0,这个负值的大小是有测试数据决定的。
-
背包问题(01背包和完全背包)
背包问题是一个经典的动态规划模型,容易描述,容易理解。背包问题可简单描述为: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。01背包问题的特点是,每种物品仅有一件,可以选择放或不放。
01背包问题描述:
有N件物品和一个容量为V的背包。第i件物品的重量是c[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的重量总和不超过背包容量,且价值总和最大。
写出状态转移方程:
f[i][v]=max{f[i-1][v], f[i-1][v-c[i]]+w[i]}
f[i][v]: 前i件物品恰放入一个容量为v的背包可以获得的最大价值
f[i-1][v]: 前i-1件物品……(同上),即不放入第i件物品的情况
f[i-1][v-c[i]]+w[i]: 放入第i件物品的情况,放入后的 f[i][v] 应该等于前 i-1 件物品在容量为 v-c[i] 上的最大价值加上 w[i]
空间优化:
f[i][v]=max{f[i-1][v], f[i-1][v-c[i]]+w[i]}
观察黑色字体部分,发现二维数组完全可以用一维数组替代:
f[v]=max{f[v], f[v-c[i]]+w[i]}
程序怎么写?循环如何写?
首先考虑如果所有的物品都能放进去,那一定就是最大价值,如果只能放进去 i (i<N)件物品,那一定要选择一个最优策略,这个策略的结果是价值最大,而每个 i 的最优策略实际上又是基于 i-1 的最优策略的。根据分析写出如下循环
for(i=0; i<N; ++i)
for(v=V; v>w[i]; --v) //逆序推能够保证 f[v-c[i]] 保存的是状态是 f[i-1][v-c[i]] ,也就是每个物品只被使用了一次;顺序的话 f[v-c[i]] 保存的是 f[i][v-c[i]] ,每个物品有可能被使用多次,也就是完全背包问题的解法。
f[v]=max(f[v], f[v-c[i]]+w[i])
#include<string.h> #include<algorithm> using namespace std; int dp[50050]; struct node{ int c; int w; }s[2020]; int main(){ int T; scanf("%d",&T); while(T--){ int n,m; int c,w; int i,j,k; scanf("%d %d",&n,&m); for(i=0;i<n;i++){ scanf("%d %d",&s[i].c,&s[i].w); } for(j=1;j<=m;j++) dp[j]=-1000000;//0-1的区别 dp[0]=0; for(i=0;i<n;i++){ for(j=s[i].c;j<=m;j++){//0-1背包是降序; dp[j]=max(dp[j],dp[j-s[i].c]+s[i].w); } } if(dp[m]>0) printf("%d\n",dp[m]); else printf("NO\n"); } return 0; }
-
第一行: N 表示有多少组测试数据(N<7)。