背包问题

背包问题汇总 详细解析参考“背包九讲”:https://github.com/tianyicui/pack 目录 1. 背包问题 I ——0-1背包无价值 2. 背包问题II ——0-1背包有价值 3. 背包问题III —— 完全背包问题 小结1 4. 背包问题IV /V ——求方案数 5. 背包问题VII —— 多重背包问题 6. 多重背包可行性解 7. 换零钱问题 1. 背... 阅读详情

背包问题:

  • 已知有n种物品,一个可容纳M重量的背包,物品i(1<=i<=n)的重量wi,对应的价值为pi。怎样的装包,才能使包中物品的总价值最大?

  • 已知条件:n,M,(p1,p2,…,pn),(w1,w2,…,wn)。

背包问题分为2种:如果物品可以拆分,就是普通背包问题。如果每个物品不能拆分,就是01背包问题。

普通背包问题-贪心算法

由于普通背包问题,物品可以拆分,假设物品i装进背包的部分的x[i],其中0<=xi<=1。思想为:1.按效益值pi/wi比值的降序排列;2.按排序次序将物品放入背包,如果剩余容量能放下物品w[i],则xi=1,能放下部分,则xi=leftM/wi,否则xi=0。
最终∑n1wixi=M,∑n1pixi即为最大收益。

例如:n=3,M=20,(p1,p2,p3)=(25,24,15),(w1,w2,w3)=(18,15,10)。

解:按pi/wi排序,物品排序为(物品2,物品3,物品1),装包过程x2=1,x3=1/2,x2=0。结果(x1,x2,x3)=(0,1,1/2),最大效益值为31.5。

01背包问题-动态规划

对于0/1背包问题,可以通过作出变量(x1,x2,...,xi)的一个决策序列fi(x)来得到它的解。而对于变量x的决策就是决定它取0还是1。

如果设fj(x)是KNAP(1,j,x)最优值的解,那么,fn(M)就可以表示为

fn(M)=max{fn−1(M),fn−1(M−wn)+pn}

对于任意的fi(x),这里i>0,则有
fi(x)=max{fi−1(x),fi−1(x−wi)+pi}

为了能尤前向后递推最后求解fn(M),需从f0(x)开始。对于x>=0,f0(x)=0,当x<0,f0(x)=-∞。

其实,如果画图,可以看出每个fi都是由一些序偶(pj,wj)组成的集合所说明,其中wj是使fi在某处产生一次阶跃的x值,pj=fi(wj)。第一对序偶是(p0,w0)。

算法思想:

  • 设S0={ (0,0) }。
  • Si−1是fi−1的所有序偶的集合,Si1是fi−1(x−wi)+pi的所有序偶的集合。求Si1,就是把序偶(pi,wi)加到Si−1中每一对序偶,
    Si1=(p,w)|(p−pi,w−wi)∈Si−1
  • 上面第二个公式中取max值,其实就是将Si−1和Si−1归并得到Si。归并过程中,如果Si−1和Si−1之一有序偶(pj,wj),另一个序偶(pk,wk),并且在wj>=wk的同时有pj<=pk,那么序偶(pj,wj)被舍弃。

算法时间复杂度为O(n),空间复杂度为O(n)。

例如:n=3,M=6,(p1,p2,p3)=(1,2,5),(w1,w2,w3)=(2,3,4)。

解:
S0={(0,0)}
- S11={(1,2)}
S1={(0,0),(1,2)}
- S21={(2,3),(3,5)}
S2={(0,0),(1,2),(2,3),(3,5)}
- S31={(5,4),(6,6),(7,7),(8,9)}
S3={(0,0),(1,2),(2,3),(3,5),(6,6),(7,7),(8,9)}
根据支配规则,在S3中删去了序偶(3,5)。

可知,f(6)=6。

01背包问题代码

//保存成KNAP.h头文件
//然后在项目主函数,main中KNAP::Test::main();调用即可
#include <iostream>
#include <vector>

using namespace std;

namespace KNAP{
    struct PWPoint{
        int p;
        int w;
        PWPoint(int _p,int _w):p(_p),w(_w){ }
    };

    class Solution{
    public:
        int knap(int n,int M,vector<int> p,vector<int> w){
            vector<PWPoint > fn,fn1;
            fn.push_back(PWPoint(0,0));
            int j,k;
            for(int i=0;i<n;i++){
                //get s1(i)
                fn1.clear();
                for(j=0;j<fn.size();j++){
                    fn1.push_back(PWPoint(fn[j].p+p[i],fn[j].w+w[i]));
                }

                //raw merger s(i-1) and s1(i) to s(i)
                j=0,k=0;
                while(j<fn.size() && k<fn1.size()){
                    if(fn[j].w>fn1[k].w){
                        fn.insert(fn.begin()+j,fn1[k]);
                        j++;
                        k++;
                    }else{
                        j++;
                    }
                }
                while(k<fn1.size()){
                    fn.push_back(fn1[k++]);
                }

                //delete except in s(i)
                j=0;
                while(j<fn.size()){
                    if(j<fn.size()-1){
                        if(fn[j].w == fn[j+1].w){
                            if(fn[j].p>=fn[j+1].p){
                                fn.erase(fn.begin()+j+1);
                            }else{
                                fn.erase(fn.begin()+j);
                            }
                        }else{
                            if(fn[j].p>=fn[j+1].p){
                                fn.erase(fn.begin()+j+1);
                            }else{
                                j++;
                            }
                        }
                    }else{
                        j++;
                    }
                }

                //delete fn[i] if fn[i].w>M
            }

            //get map_p for M
            int cur_p=fn[0].p;
            for(int i=1;i<fn.size();i++){
                if(M<fn[i].w){
                    break;
                }else{
                    cur_p=fn[i].p;
                }
            }

            return cur_p;

        }
    };

    class Test{
    public:
        static void main(){
            int n=3,M=6;
            vector<int> p{1,2,5},w{2,3,4};
            Solution s;
            int ret = s.knap(n, M, p, w);
            cout<< ret <<endl;
        }
    };
}
树上背包问题 树上背包问题树上背包问题算法原理例题一:有依赖的背包问题题意数据范围思路代码例题二:二叉苹果树题意数据范围思路代码例题三:Factories(2018icpc宁夏网络赛)题意数据范围思路代码 树上背包问题 一些题目给定了树形结构,在这个树形结构中选取一定数量的点或边(也可能是其他属性),使得某种与点权或者边权相关的花费最大或者最小。解决这类问题,一般要考虑使用树上背包。 算法原理 树上背包,顾名思义,就是在树上做背包问题。一个节点的若干子树可以看作是若干组背包,也就是用树形dp的方式做分组背包问题。一般来说 阅读详情

相关推荐

已知有n中物品和一个可容纳M质量的背包,每种物品i的质量为Wi,假定将物品i放入背包,可以得到Pi的效益,求使背包中物品总效益最大的背包方案。

0/1背包问题 已知有n中物品和一个可容纳M质量的背包,每种物品i的质量为Wi,假定将物品i放入背包,可以得到Pi的效益,求使背包中物品总效益最大的背包方案。 实验方法: 找出成本函数,根据成本函数进行算法设计。给出分支—限界法的计算机算法。 详细解析参加教材206页。 Input 第一行有2个正整数n和c。n是物品数,c是背包的容 量。接下来的1 行中有n个正整数,表示物品的价值。第3 行中有n个正整数,表示物品的 重量。 Output 将计算出的装入背包物品的最大价值和最优装入方案 Sample Input 5 10 6 3 5 4 6 2 2 6 5 4 Sample Output 15 1 1 0 0 1

动态规划(二)最优二分检索和0/1背包

一、最优二分检索???? 二、0/1背包问题

很注重数学和408 1942

背包问题的求解

1.问题描述 假设有一个能装入总体积为T的背包和n件体积分别为w1,w2,…wn的物品,能否从n件物品中挑选若干件恰好装满背包,即使w1+w2+…+wm=T,要求找出所有满足上述条件的解。 例如:当T=10,各件物品的体积{1,8,4,3,5,2}时,可找到下列4组解: (1,4,3,2) (1,4,5) (8,2) (3,5,2)。

【动态规划】01背包问题(手画图解)

01背包问题是所有背包问题的根本所在,掌握好dp五部曲,明确dp及其下标含义,勤加练习是制胜之道!

这个人很勤快,但还是什么也没有。 7601

0-1背包问题需对容量为c 的背包进行装载。从n 个物品中选取装入背包的物品,每件物品i 的重量为wi ,价值为pi 。对于可行的背包装载,背包中物品的总重量不能超过背包的容量,最佳装载是指所装入的物品价值最高。

输入: 多个测例,每个测例的输入占三行。第一行两个整数:n(n<=10)和c,第二行n个整数分别是w1到wn,第三行n个整数分别是p1到pn。 n 和 c 都等于零标志输入结束。 输出: 每个测例的输出占一行,输出一个整数,即最佳装载的总价值。 输入样例: 1 2 1 1 2 3 2 2 3 4 0 0 输出样例: 1 4

Windows10下RTABMAP+T265实现三维建图

win10+rtabmap+t265扫描地形

Suxiang1997的博客 3486

吉林大学算法设计与分析考前突击

吉林大学 算法设计与分析 速成

weixin_51796629的博客 1万+

告别CMake依赖!在Visual Studio 2022中直接配置VTK 9.4开发环境(附完整项目示例)

本文详细介绍了如何在Visual Studio 2022中直接配置VTK 9.4开发环境,无需依赖CMake。通过图文教程和完整项目示例,帮助C++开发者快速集成VTK库,简化开发流程,提升工作效率。特别适合科学可视化任务的开发者。

weixin_26804345的博客 415

0-1背包问题 —— 四种解法解题

(代码是学姐给的一个资料,自己重新编译理解了一遍) 一、题目 : 分别用蛮力法、动态规划法、回溯法和分支限界法求解0/1背包问题。 注:0/1背包问题:给定种物品和一个容量为的背包,物品的重量是,其价值为,背包问题是如何使选择装入背包内的物品,使得装入背包中的物品的总价值最大。其中,每种物品只有全部装入背包或不装入背包两种选择。 二、所用算法的基本思想及复杂度分析: 1.蛮力法...

aabb7654321的博客 1534

ABAP - Function ALV 11 - 单元格下拉框

【代码】ABAP - Function ALV 11 - 单元格下拉框。

HeathlX的博客 1814

WinForm多语言切换实战:5分钟搞定中英文界面(附完整代码)

本文提供了WinForm应用实现中英文界面切换的两种高效实战方案。通过利用内置的本地化机制和资源文件,开发者可以在5分钟内为窗体添加多语言支持,并附有完整代码示例,帮助快速应对软件国际化需求。

weixin_29230773的博客 406

sicily 1146 采药(01背包)

本来还觉得01背包是动态规划中比较基础的部分,没想到现在看了一下觉得好难... 这题就是01Knapsack问题,我参考了一下Hawstein的blog,先来举一些例子吧: 让我假设现在的背包的容量是C=10; 物品编号: 1 2 3 物品重量: 5 6 4 物品价值:20 10 12 用v[i]表示物品价值,w[i]表示物品重量,要使得放入背包的物品价值最大化,我们知道用贪心是不行的...

weixin_33910759的博客 200

基于YOLO和KCF的目标跟踪算法研究

该算法结合了YOLO的目标检测能力和KCF的目标跟踪精度,能够实现准确且高效的目标跟踪。通过结合YOLO的目标检测能力和KCF的目标跟踪精度,该算法能够实现准确且高效的目标跟踪。目标跟踪:从第二帧开始,我们使用YOLO检测目标,并使用KCF跟踪器更新目标的位置。具体而言,对于每个检测到的目标,我们计算其与上一帧跟踪结果的特征相似度,然后选择最相似的目标作为当前帧的跟踪结果。需要注意的是,以上代码只是演示了基于YOLO和KCF的目标跟踪算法的基本思路,实际应用中可能需要根据具体情况进行调整和优化。

QoDeveloper的博客 1575

MATLAB 背包问题

本文介绍了 MATLAB 中的背包问题,包括 0-1 背包问题、完全背包问题、多重背包问题等。

小嗷犬的博客 4582

Apollo Planning2.0决策规划算法代码详细解析 (1):环境搭建

1、官方提供连接:git clone https://github.com/ApolloAuto/application-pnc.git。此外,也更新了dreamview对pnc的支持,使得调试更加方便。apollo开源团队近期更新了planning版本,对代码进行了一定程度上的重构。(2)进入docker,并编译整个工程:./apollo.sh build_dbg。下载项目环境后使用aem进行环境配置;2、有一定基础建议直接拉取最新代码,自己手动进行编译。(1)环境安装: ./dev_start.sh。

自动驾驶Player的博客 1841

大语言模型原理与工程实践:手把手教你训练 7B 大语言模型 自动化训练框架

近年来,大语言模型(Large Language Models,LLMs)在自然语言处理领域取得了突破性进展。从GPT-3到ChatGPT,再到最新的GPT-4,这些模型展现出了惊人的语言理解和生成能力,引发了学术界和产业界的广泛关注。然而,训练如此庞大的模型不仅需要海量的数据和计算资源,还需要复杂的工程实践和优化技巧。本文将深入探讨大语言模型的原理,并以7B参数规模的模型为例,详细介绍如何构建一个自动化训练框架,使读者能够亲自动手训练自己的大语言模型。

AI天才研究院 1923

【动态规划算法】背包问题——0/1背包问题,多目标优化背包问题详解与示例

背包问题是动态规划中的一个经典问题,通常有两种主要变种:0/1 背包问题和背包问题(Fractional Knapsack Problem)。这里我们先详细解释0/1背包问题再介绍背包问题的变种。

qq_35831906的博客 1万+

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

背包问题总结

前面是转载来的背包9讲,非常详细,后面有几个lintcode上的题目 前言 本篇文章是我(dd_engi)正在进行中的一个雄心勃勃的写作计划的一部分,这个计划的内容是写作一份较为完善的NOIP难度的动态规划总结,名为《解动态规划题的基本思考方式》。现在你看到的是这个写作计划最先发布的一部分。 背包问题是一个经典的动态规划模型。它既简单形象容易理解,又在某种程度上能够揭示动态规划的本质,故不少...

William Zhao's notes 2万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

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。

01背包问题

01背包问题 商店的货架上摆放着不同重量和价值的商品,一个小偷在商店行窃,他携带的背包只能装固定重量的商品。装哪些商品才能获得最大的收益呢?在限定条件内找到最佳的物品组合,这样的问题统称为背包问题。 根据限定的条件不同,背包问题还可以细分: 部分背包问题:所有物品是可再分的,即允许将某件物品的一部分(例如 1/3)放入背包; 0-1 背包问题:所有物品不可再分,要么整个装入背包,要么放弃,不允许出现“仅选择物品的 1/3 装入背包”的情况; 完全背包问题:不对每一件物品的数量做限制,同一件物品可以选择多个装

ccc369639963的博客 2万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

【dp】背包问题

背包问题是⼀种组合优化的问题。问题可以描述为: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:每个物品只有⼀个完全背包问题:每个物品有无限多个多重背包问题:每件物品最多有 x 个混合背包问题:每个物品会有上面三种情况分组背包问题:物品有 n 组,每组物品里有若干个,每组里最多选⼀个物品不一定装满背包背包一定装满限定条件只有⼀个:比如体积 -> 普通的背包问题限定条件有两个:比如体积 + 重量 -> 二维费用背包问题。

YoungMLet的博客 2203

经典背包问题

一、背包问题的描述 背包问题可以有多种形式,下面将对其逐一进行描述: (1)经典的0-1背包问题(无物品的价值): 假设有一个能装入容量为C的背包和n件重量分别为w1,w2,,...,wn的物品,能否从n件物品中挑选若干件恰好装满背包,要求找出所有满足上述条件的解。 当C=10,各件物品重量为{1,8,4,3,5,2}时,可以找到下列4组解:(1,4,3,2)、(1,4,5)、(8,...

qq_40427276的博客 5208

【动态规划】背包问题 {01背包问题;完全背包问题;二维费用背包问题}

【动态规划】背包问题 {01背包问题;完全背包问题;二维费用背包问题}

52Herzt的博客 5527

01背包问题VS完全背包问题

01背包问题: 每个物品只能选择一次,给定背包的最大承重量total和每个物品i的重量weight[i]和价值value[i],求背包可以装下的最大价值 #include<iostream> #include<vector> using namespace std; int main() { int num, total; cin >> num &...

weixin_40679061的博客 3974

背包问题模型总结

背包模型总结汇总。

涛涛的个人博客 4660

几种背包问题总结

01背包问题(物品选不选) 完全背包问题(物品无限选) 多重背包问题(物品个数有限制且不同) 混合背包问题 二维费用的背包问题(重量+体积) 分组背包问题(先分组,组内互斥) 背包问题求方案数 一般是价值,这里是方案数 求背包问题的方案 有依赖的背包问题 ...

tianyouououou的博客 4310
上一篇: catalan数
下一篇: KMP算法-字符串匹配
HelloCooper
博客等级 码龄11年 13粉丝 37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