Knapsack problem(FZU2214)

本文探讨了如何应对大型背包问题,通过创新思路将关注焦点从空间转移至价值,实现复杂问题的简化处理。文章详细介绍了算法设计、边界条件处理及优化策略,旨在提供一种实用且高效的解决方案。

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

题目链接:http://acm.fzu.edu.cn/problem.php?pid=2214

题面是最正常的背包,但是背包重量大到让人思考人生。

说真的第一看见这样的题目,比赛的时候看见空间这么大顿时懵逼了。真是无从下手。然后慢慢的就想到了背的是价值不是空间,然后就出来了,但是边界情况一定要处理好,赛场的时候因为边界问题RE了好几次

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
#define inf 0x3f3f3f3f
int t;
int n;
long long m;
long long dp[5005];
long long weight[5005];
int value[5005];

int main()
{
    cin>>t;
    while(t--)
    {
        cin>>n>>m;
        int sumv=0;
        memset(dp , inf , sizeof(dp));
        for(int i=0; i<n; i++)
        {
            cin>>weight[i]>>value[i];
            sumv+=value[i];
        }
        dp[0]=0;
        for(int i=0; i<n; i++)
        {
            for(int j=sumv; j>=value[i]; j--)
                dp[j]=min(dp[j],dp[j-value[i]]+weight[i]);
        }
        for(int ans=sumv; ans>=0; ans--)
        {
            if(dp[ans]<=m)
            {
                cout<<ans<<endl;
                break;
            }
        }
    }
    return 0;
}


### 背包问题概述 背包问题是一种组合优化问题,在该问题中,给定一组物品,每种物品具有一定的重量和价值。目标是在不超过最大承重的情况下选择若干件物品放入背包,使得所选物品的价值总和最大化[^3]。 ### 动态规划求解方法 动态规划提供了一种有效的解决策略来处理此类问题。通过构建一个二维数组`dp[i][w]`表示从前i个物品中选取并恰好装入容量为w的背包可以获得的最大价值。状态转移方程如下: \[ dp[i][w]=\max(dp[i-1][w],v_i+dp[i-1][w-w_i]) \] 其中\( v_i \)代表第i项商品的价值;而 \( w_i \) 则为其对应的重量。当考虑加入新项目时,要么不放进去保持原有最佳方案不变(`dp[i-1][w]`),要么放进新的物件更新当前最优解(`vi+dp[i−1][wi−wj]`)。 ```python def knapsack(weights, values, capacity): n = len(values) # 创建DPdp = [[0]*(capacity + 1) for _ in range(n + 1)] # 填充表格 for i in range(1, n + 1): for j in range(capacity + 1): if weights[i - 1] <= j: dp[i][j] = max(dp[i - 1][j], values[i - 1] + dp[i - 1][j - weights[i - 1]]) else: dp[i][j] = dp[i - 1][j] return dp[n][capacity] ``` 此代码实现了上述提到的状态转换逻辑,并最终返回能够获得的最大收益值。 ### 改进禁忌搜索算法的应用 对于更复杂的场景下,可以采用改进后的禁忌搜索算法来进行近似求解。这种方法特别适用于大规模实例以及存在额外约束条件的情况。相比于传统穷举法或其他启发式技术而言,它能够在较短时间内找到接近全局最优的结果[^1]。
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