算法笔记—背包问题

这篇博客介绍了如何使用动态规划解决01背包、完全背包、多重背包和分组背包问题。通过代码示例展示了不同背包问题的动态规划求解策略,包括二维数组优化和一维数组优化,以及如何处理物品数量有限制的情况。动态规划是解决这类问题的关键,通过状态转移方程和滚动数组等技巧可以高效地找到最优解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

背包问题

在这里插入图片描述

01背包问题

在这里插入图片描述
01背包问题限制了每件物品只能用一次,我们可以考虑从前 i i i个物品中选,总体积不超过 j j j的物品的价值最大值。当我们每次考虑放一件物品时,价值最大无非是放或者不放这件物品;当不放这件物品时,价值最大等价于从前 i − 1 i - 1 i1个物品中选,总体积不超过 j j j的价值最大值;当我们放这件物品时,等价于从前 i i i个物品中选,总体积不超过 j − v i j - v_i jvi的价值最大值加上 w i w_i wi,而一旦我们得到了 f [ i , j ] f[i, j] f[i,j],即前 i i i个物品中选,总体积不超过 j j j的物品的价值最大值,其不会发生变化,所代表的就是所有集合中的最大值;即到达了这个状态,不会发生改变,且与之前的状态无关,可以用马尔可夫链来理解,此即动态规划。
二维写法

#include <iostream>
using namespace std;

const int N = 10010;

int v[N], w[N];
int f[N][N];

int main()
{
    int n, m;
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++) cin >> v[i] >> w[i];
    
    for(int j = 1; j <= m; j ++)
    {
        for(int i = 1; i <= n; i ++)
        {
            if(j >= v[i]) f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
            else f[i][j] = f[i - 1][j];
        }
    }
    
    cout << f[n][m] << endl;
}

一维优化:
我们观察得到 f [ i , j ] f[i,j] f[i,j]只与 f [ i − 1 , j ] f[i - 1,j] f[i1,j]有关,我们只需要用到前一时刻的状态,因此可以使用滚动数组将二维变成一维,但要注意在更新时不能使用已经更新过的状态去更新,因此我们在优化时,将体积从大到小枚举,防止从小到大枚举时出现重复更新的情况

#include <iostream>
using namespace std;

const int N = 10010;

int v[N], w[N];
int f[N];

int main()
{
    int n, m;
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++) cin >> v[i] >> w[i];
    
    for(int i = 1; i <= n; i ++)
    {
        for(int j = m; j >= v[i]; j --)
        {
            f[j] = max(f[j], f[j - v[i]] + w[i]);
        }
    }
    
    cout << f[m] << endl;
}

完全背包问题

在这里插入图片描述

完全背包问题中每个物品可以用无限多次,用过的物品还可以再用,我们考虑01背包问题中防止重复更新的操作就是在避免使用过的物品重复使用,因此我们将其改为从小到大枚举,正好对应于重复使用物品。

#include <iostream>
using namespace std;

const int N = 1010;

int n, m;
int f[N];
int v[N], w[N];

int main()
{
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++) cin >> v[i] >> w[i];
    
    for(int i = 1; i <= n; i ++)
    {
        for(int j = v[i]; j <= m; j ++) f[j] = max(f[j], f[j - v[i]] + w[i]);
    }
    
    cout << f[m] << endl;
}

多重背包问题

在这里插入图片描述

多重背包问题是限制第 i i i种物品最多有 s i s_i si件,我们可以将 s i s_i si个物品看成独立的个体,问题就简化成了 N S NS NS个物品的01背包问题,此时的时间复杂度为 O ( N S M ) O(NSM) O(NSM)。因此当数据范围较大时我们采取二进制优化,我们将 s i s_i si用二进制拆分,变成 l o g s logs logs个数字的组合,时间复杂度可降为 O ( N M l o g S ) O(NMlogS) O(NMlogS)
在这里插入图片描述

#include <iostream>
using namespace std;
const int N = 250000;

int n, m;
int v[N], w[N];
int f[N];

int main()
{
    cin >> n >> m;
    
    int cnt = 0;
    for(int i = 0; i < n; i ++)
    {
        int a, b, c;
        cin >> a >> b >> c;
        int k = 1;
        
        //二进制拆分
        while(k <= c)
        {
            cnt ++;
            v[cnt] = k * a;
            w[cnt] = k * b;
            c -= k;
            k *= 2;
        }
        
        if(c)
        {
            cnt ++;
            v[cnt] = a * c;
            w[cnt] = b * c;
        }
    }
    
    n = cnt;
    
    for(int i = 1; i <= n; i ++)
    {
        for(int j = m; j >= v[i]; j --) f[j] = max(f[j], f[j - v[i]] + w[i]);
    }
    
    cout << f[m] << endl;
    return 0;
}

分组背包问题

在这里插入图片描述

分组背包问题是有若干组物品,每一组中只能选一个物品。因此我们考虑从前 i i i个物品中选,总体积不超过 j j j的所有选法的最大值。

#include <iostream>
using namespace std;

const int N = 110;

int s[N], v[N][N], w[N][N];
int n, m;
int f[N][N];

int main()
{
    cin >> n >> m;
    
    for(int i = 1; i <= n; i ++)
    {
        cin >> s[i];
        for(int j = 1; j <= s[i]; j ++)
        {
            cin >> v[i][j] >> w[i][j];
        }
    }
    
    for(int i = 1; i <= n; i ++)
    {
        for(int j = 1; j <= m; j ++)
        {
            f[i][j] = f[i - 1][j];
            for(int k = 1; k <= s[i]; k ++)
            {
                if(j >= v[i][k]) f[i][j] = max(f[i][j], f[i - 1][j - v[i][k]] + w[i][k]);
            }
        }
    }
    
    cout << f[n][m] << endl;
    
    return 0;
}
评论
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