二维费用的背包

本文探讨了如何使用二维动态规划解决背包问题,通过减少维度,将N件物品、背包容量V和最大重量M限制为价值最大化的求解策略。通过实例和C++代码展示了如何在O(n^3)时间内找到最优解,并针对空间和时间效率进行了优化建议。

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

题目描述
有 N 件物品和一个容量是 V 的背包,背包能承受的最大重量是 M。

每件物品只能用一次。体积是 vi,重量是 mi,价值是 wi。

求解将哪些物品装入背包,可使物品总体积不超过背包容量,总重量不超过背包可承受的最大重量,且价值总和最大。
输出最大价值。

输入格式
第一行三个整数,N,V,M,用空格隔开,分别表示物品件数、背包容积和背包可承受的最大重量。

接下来有 N 行,每行三个整数 vi,mi,wi,用空格隔开,分别表示第 i 件物品的体积、重量和价值。

输出格式
输出一个整数,表示最大价值。

数据范围
0<N≤1000
0<V,M≤100
0<vi,mi≤100
0<wi≤1000

 

样例
输入样例
4 5 6
1 2 3
2 4 4
3 4 5
4 5 6
输出样例:
8

DP 二维优化
和01背包问题一样,在计算结果时前i个物品并没有用到
所以优化到二维,这个可以过

时间复杂度O(n^3)
参考文献
C++ 代码

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 1e6+10;
long long  n,m,v1;
long long v[N],M[N],w[N];
long long f[1010][1010];
int main()
{
    cin>>n>>v1>>m;
    for (int i = 1; i <= n; i ++ )cin>>v[i]>>M[i]>>w[i];
    for (int i = 1; i <= n; i ++ )
        for (int j = v1; j >=v[i]; j -- )
            for (int k = m; k >= M[i]; k -- )
                f[j][k]=max(f[j][k],f[j-v[i]][k-M[i]]+w[i]);
    return cout<<f[v1][m],0;
}

三维的可能会因为空间和时间原因过不了,想这题,三维只过了7个样例,优化还是蛮重要

有需要转码的,可以私聊我(c++/java/python/GO)

欢迎留言点赞

嗷嗷嗷~

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