算法入门笔记:背包dp
//01背包
void ZeroOnePack(int v, int w, int m) { //v为当前物品的容量 m为给定最大的容量 w为当前物品的价值
for (int i = m; i >= v; i--) {
dp[i] = max(dp[i], dp[i - v] + w);
}
}
//完全背包
void CompletePack(int v, int w, int m) { //v为当前物品的容量 m为给定最大的容量 w为当前物品的价值
for (int i = v; i <= m; i++) {
dp[i] = max(dp[i], dp[i - v] + w);
}
}
//多重背包
void MultiPack(int v, int w, int m, int c) { //v为当前物品的容量 m为给定的最大容量 w为当前物品的价值 c为剩余物品的数量
if (v * c >= m) {
CompletePack(v, w, m);
}
else {
int k = 1;
while (k < c) {
ZeroOnePack(k * v, k * w, m);
c -= k;
k <<=1;
}
ZeroOnePack(c * v, c * w, m);
}
}
解释多重背包
int MultiPack(int c[],int w[],int num[],int n,int m)//多重背包
{
memset(dp,0,sizeof(dp));
for(int i=1; i<=n; i++)//遍历每种物品
{
if(num[i]*c[i] > m)
CompletePack(c[i],w[i],m);
//如果全装进去已经超了重量,相当于这个物品就是无限的
//因为是取不光的。那么就用完全背包去套
else
{
int k = 1;
//取得光的话,去遍历每种取法
//这里用到是二进制思想,降低了复杂度
//为什么呢,因为他取的1,2,4,8...与余数个该物品,打包成一个大型的该物品
//这样足够凑出了从0-k个该物品取法
//把复杂度从k变成了logk
//如k=11,则有1,2,4,4,足够凑出0-11个该物品的取法
while(k < num[i])
{
ZeroOnePack(k*c[i],k*w[i],m);
num[i] -= k;
k <<= 1;
}
ZeroOnePack(num[i]*c[i],num[i]*w[i],m);
}
}
return dp[m];
}
另一种思路(但容易超时不建议),这只是针对数据全是小于100的
#include<iostream>
#include<algorithm>
using namespace std;
int w[6000], v[6000],t[6000],dp[10100][10100];
int n, m;
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i++)
cin >> w[i] >> v[i] >> t[i];
for (int i = 1; i <= n; i++)
for (int j = 0; j <= m; j++)
for (int k = 0; k <= t[i] && k * w[i] <= j; k++)
dp[i][j] = max(dp[i][j],dp[i-1][j-w[i]*k]+v[i]*k);
cout << dp[n][m] << endl;
return 0;
}
多重背包(二进制优化)
#include<iostream>
#include<algorithm>
using namespace std;
int w[100100], v[100100],t[100100],dp[100100];
int n, m;
int g = 1;
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i++)
{
int a, b, s;
cin >> a >> b >> s;
for (int k = 1; k <= s; k<<=1)
{
w[g] = k * a;
v[g++] = k * b;
s -= k;
}
if (s > 0)
{
w[g] = s * a;
v[g++] = s * b;
}
}
for (int i = 1; i <= g; i++)
for (int j = m; j >= w[i]; j--)
dp[j] = max(dp[j],dp[j-w[i]]+v[i]);
cout << dp[m] << endl;
return 0;
}