采药-背包问题(加上改编)

本文通过一个关于采集草药的故事介绍了经典的背包问题,并提供了两种实现方式:一种使用二维DP数组,另一种优化为一维DP数组。还讨论了如何判断能否恰好填满背包的情况。

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

题目描述:

辰辰是个很有潜能、天资聪颖的孩子,他的梦想是称为世界上最伟大的医师。
为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。
医师把他带到个到处都是草药的山洞里对他说:
“孩子,这个山洞里有一些不同的草药,采每一株都需要一些时间,每一株也有它自身的价值。
我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”
如果你是辰辰,你能完成这个任务吗?

输入:

输入的第一行有两个整数T(1 <= T <= 1000)和M(1 <= M <= 100),T代表总共能够用来采药的时间,M代表山洞里的草药的数目。
接下来的M行每行包括两个在1到100之间(包括1和100)的的整数,分别表示采摘某株草药的时间和这株草药的价值。

输出:

可能有多组测试数据,对于每组数据,
输出只包括一行,这一行只包含一个整数,表示在规定的时间内,可以采到的草药的最大总价值。

样例输入:
70 3
71 100
69 1
1 2

样例输出:

3

思路:状态转移方程:

 dp[i][j]=max(dp[i-1][j],dp[i-1][j-list[i].w]+list[i].v);

比较i-1下的j体积和j-list[i].w体积所能容纳重量的最大值

#include<stdio.h>
#include<algorithm>
using namespace std;
 struct E{
	 int w,v;
 }list[101];
 int dp[101][101];

 int main()
 {
	 int s,n;
	 while(scanf("%d%d",&s,&n)!=EOF){
		 for(int i=1;i<=n;i++){
			 scanf("%d%d",&list[i].w,&list[i].v);
		 }
		 for(int i=0;i<=s;i++){
			 dp[0][i]=0;
		 }
		 for(int i=1;i<=n;i++){  
			 for(int j=s;j>=list[i].w;j--)
			 {
				 dp[i][j]=max(dp[i-1][j],dp[i-1][j-list[i].w]+list[i].v);
			 }
			 for(int j=list[i].w-1;j>=0;j--)
				 dp[i][j]=dp[i-1][j];
		 }
		 printf("%d\n",dp[n][s]);
	 }
	 return 0;
 }

但是,如果题目要求容积和重量很大,开的二维数组dp[][]很大可能导致题目提交不能通过,应把二维数组优化为一维数组,做以下优化为:

#include<stdio.h>
#include<algorithm>
using namespace std;
 struct E{
	 int w,v;
 }list[101];
 int dp[101];

 int main()
 {
	 int s,n;
	 while(scanf("%d%d",&s,&n)!=EOF){
		 for(int i=1;i<=n;i++){
			 scanf("%d%d",&list[i].w,&list[i].v);
		 }
		 for(int i=0;i<=s;i++){
			 dp[i]=0;
		 }
		 for(int i=1;i<=n;i++){
			 for(int j=s;j>=list[i].w;j--)
			 {
				 dp[j]=max(dp[j],dp[j-list[i].w]+list[i].v);
			 }
		 }
		 printf("%d\n",dp[s]);
	 }
	 return 0;
 }

另外如果题目要求不仅要求出最大的,而且要求出能不能刚好装满背包,如果可以输出最大值,不可以就返回impossible

代码如下:

#include<stdio.h>
#include<stdlib.h>
#include<algorithm>
using namespace std;
#define INF 0x7fffffff
int dp[100];
struct e{
	int v,w;
}list[100];
int main()
{
	int s,n;
	while(scanf("%d%d",&s,&n)!=EOF)
	{
		for(int i=1;i<=n;i++)
		{
			scanf("%d %d",&list[i].v,&list[i].w);
		}
		for(int i=0;i<=s;i++)
			dp[i]=-INF;
		dp[0]=0;
		for(int i=1;i<=n;i++)
			for(int j=s;j>=list[i].v;j--)
			{
				if(dp[j-list[i].v]!=-INF)//若不为负无穷,则可以由此状态转移而来
				   dp[j]=max(dp[j],dp[j-list[i].v]+list[i].w);
			}
		if(dp[s]!=-INF)//判断是否为刚好装满
		    printf("%d\n",dp[s]);
		else
			printf("impossible\n");
	}
	//system("pause");
	return 0;
}

### 采药背包问题算法实现 #### 状态定义 在处理采药背包问题时,状态通常被定义为 `dp[i][j]` 表示前 `i` 种草药,在总重量不超过 `j` 的情况下可以获得的最大价值。这里 `i` 是草药品种索引,`j` 则表示当前考虑的背包容积。 为了简化空间复杂度,可以采用一维数组来代替二维数组进行迭代更新[^1]。 #### 初始化 初始化阶段设置当没有任何草药可选时的状态,即 `dp[j]=0` 对于所有的 `j∈[0,C]` 成立;其中 `C` 代表背包的最大承重能力。 #### 状态转移方程 对于每一个新的草药种类 `i` 和其对应的体积 `c_i` 及价值 `w_i` ,遍历可能放入背包内的剩余容量 `j` (从大到小),并计算是否应该加入该草药: \[ dp[j] = max(dp[j], dp[j-c_i]+w_i)\] 此过程确保每次只针对新增加的一种草药做决策,并且通过逆序访问保证同一轮内不会重复利用已选取过的草药实例[^4]。 #### Python代码实现 下面给出基于上述分析的一个简单Python版本实现: ```python def knapsack(weights, values, capacity): n = len(values) # 创建一个长度为capacity+1的一维列表用于存储子问题的结果 dp = [0]*(capacity + 1) for i in range(n): # 遍历所有物品 for j in range(capacity, weights[i]-1, -1): dp[j] = max(dp[j], dp[j-weights[i]] + values[i]) return dp[-1] if __name__ == "__main__": # 测试样例数据输入 weight_list = [2, 3, 4, 5] value_list = [3, 4, 5, 8] bag_capacity = 5 result = knapsack(weight_list, value_list, bag_capacity) print(f"The maximum total value is {result}") ``` 这段程序实现了经典的01背包问题解决方案,适用于描述中的采药场景,其中每个位置只能放置一次特定类型的草药。
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