背包问题
0/1背包
-
最基础的背包问题
-
有\(n\)件物品和一个容量为\(m\)的背包。第\(i\)件物品的重量是\(w_i\)，价值是\(v_i\)。求解将哪些物品装入背包可在总重量不超过\(m\)的前提下使价值总和最大。
-
\(f(i,j)\)表示前\(i\)件物品，背包容量为\(j\)时最大价值
那么就需要考虑第\(i\)件物品装/不装
- 第\(i\)件物品无法装进背包：\(f(i,j)=f(i-1,j)\)，即可获得的最大值不变
- 第\(i\)件物品装入背包：\(f(i,j)=f(i-1,j-w_i)+v_i\)，即前\(i-1\)件物品装入容量为\(j-w_i\)的背包（留下\(w_i\)的空间来装第\(i\)件物品）的价值加上第\(i\)件物品的价值
- 第\(i\)件物品不装入背包：\(f(i,j)=f(i-1,j)\)，即可获得的最大值不变
若第\(i\)件物品可以装入背包，那么当前可获得的最大价值为第2、3种情况的最大值
int f[n+1][m+1]; for(int i = 1;i<=n;i++){ for(int j = 0;j<=m;j++){ if(j < w[i]) f[i][j] = f[i-1][j]; else f[i][j] = max(f[i-1][j],f[i-1][j-w[i]]+v[i]) } } int ans = f[n][m]; -
例题
将总时间\(T\)视为容量\(m\)，将总草药数\(M\)视为物品件数\(n\)
将每株草药的采集时间视为重量\(w\)，将草药价值视为\(v\)
则可以直接套上面的板子
#include<bits/stdc++.h> using namespace std; const int N = 1005; int t,m; int dp[N][N]; int v[N]; int T[N]; int main(){ scanf("%d%d",&t,&m); for(int i = 1;i<=m;i++) scanf("%d%d",&T[i],&v[i]); for(int i = 1;i<=m;i++){ for(int j = t;j>=0;j--){ if(j < T[i]) dp[i][j] = dp[i-1][j]; else dp[i][j] = max(dp[i-1][j],dp[i-1][j-T[i]] + v[i]); } } printf("%d",dp[m][t]); return 0; }
完全背包
-
有\(n\)件物品和一个容量为\(m\)的背包。第\(i\)件物品的重量是\(w_i\)，价值是\(v_i\)。每件物品可以选无数份。求解将哪些物品装入背包可在总重量不超过\(m\)的前提下使价值总和最大。
-
与0/1背包的区别就在于每份物品的数量无限
-
\(f(i,j)\)表示前\(i\)件物品，背包容量为\(j\)时最大价值
那么就需要考虑第\(i\)件物品装/不装
- 第\(i\)件物品无法装进背包：\(f(i,j)=f(i-1,j)\)，即可获得的最大值不变
- 第\(i\)件物品装入背包：\(f(i,j)=f(i,j-w_i)+v_i\)，即前\(i\)件物品装入容量为\(j-w_i\)的背包（留下\(w_i\)的空间来装第\(i\)件物品）的价值加上第\(i\)件物品的价值
- 第\(i\)件物品不装入背包：\(f(i,j)=f(i-1,j)\)，即可获得的最大值不变
若第\(i\)件物品可以装入背包，那么当前可获得的最大价值为第2、3种情况的最大值
-
与0/1背包的区别在选第\(i\)件物品的时候，是将前\(i\)件物品装包，而不是前\(i-1\)件
-
因为每件物品可以选无数份，所以选更新过的值\(f(i,j-w_i)\)+\(v_i\)
-
模板
int f[n+1][m+1]; for(int i = 1;i<=n;i++){ for(int j = 0;j<=m;j++){ if(j < w[i]) f[i][j] = f[i-1][j]; else f[i][j] = max(f[i-1][j],f[i][j-w[i]]+v[i]) } } int ans = f[n][m];在第5行进行了修改
-
例题
-
在本题使用了滚动数组降维否则爆空间
#include<bits/stdc++.h> using namespace std; const int N = (1e7+10); int t,m; long long f[N]; int v[10010]; int T[10010]; int main(){ scanf("%d%d",&t,&m); for(int i = 1;i<=m;i++) scanf("%d%d",&T[i],&v[i]); for(int i = 1;i<=m;i++){ for(int j = T[i];j<=t;j++){ f[j] = max(f[j],f[j-T[i]]+v[i]); } } printf("%lld",f[t]); return 0; }
滚动数组
-
通过不断覆盖无用的旧数据从而节约空间的操作
-
易知\(\text{dp}\)的第一维\(i\)仅与\(i-1\)有关，在操作\(i\)的时候旧数据\(i-1\)仍在数组中,因此可以压掉第一维
从前文的两种模型的状态转移方程中可以看出，
0/1背包需要上一层的数据，而完全背包不需要，且由于\(i\)与\(j\)是两个互不干扰的维度，降维对\(j\)无影响
因此
0/1背包使用滚动数组的时候需要倒着枚举
完全背包使用滚动数组的时候需要正着枚举
-
另外，如果第\(i\)件物品无法装入背包，则状态不需要覆盖
所以开始覆盖旧数据的最小重量为\(w_i\)
因此枚举时可以以\(w_i\)开始/结束
-
模板
int dp[m+1]; // 01背包 for(int i = 1;i<=n;i++){ for(int j = m;j>=w[i];j--){ dp[j] = max(dp[i],dp[j-w[i]]+v[i]); } } // 完全背包 for(int i = 1;i<=n;i++){ for(int j = w[i];j<=m;j++){ dp[j] = max(dp[i],dp[j-w[i]]+v[i]); } }
多重背包
-
\(n\)个物品，每个物品可选至多\(n_i\)个，可不选，每个体积为\(v_i\)，价值为\(w_i\)。
求总体积不超过\(m\)的情况下能拿走物品总价值的最大值。 -
将至多\(n_i\)个物品全部视为独立的可选取\(n_i\)个物品，使用0/1背包解决
-
优化
任何一个数都可以被拆分为 \(2^0,2^1,\dots,2^{k-1},d\) 的形式
因此将每个\(n_i\)进行二进制拆分后，一定可以凑出\(\leq n_i\)的所有数字
将拆分出来的数\(k_j\)与原价值、原体积相乘，得到一个新的物品
-
模板
//这里的n，W分别代表n种物品，最大重量为W scanf("%d%d",&n,&W); int num = 1; for(int i = 1;i<=n;i++){ //v为价值，w为重量，m为个数 int v,w,m; scanf("%d%d%d",&v,&w,&m); //进行二进制拆分 for(int j = 1;j<=m;j<<=1){ Val[++num] = j*v; Wei[num] = j*w; m -= j; } //此时的m相当于拆分后剩下的d if(m) Val[++num] = v*m,Wei[num]=w*m; } //01背包滚动数组 for(int i = 1;i<=num;i++){ for(int j = W;j>=Wei[i];j--){ f[j] = max(f[j],f[j-Wei[i]]+Val[i]); } }
分组背包
-
\(n\)个物品，体积为\(w_i\)，价值为\(v_i\)。
所有物品被分为若干组，同组物品最多选一个。
求总体积不超过\(m\)的情况下能拿走物品总价值的最大值。 -
把每个组当成一个物品，选的时候枚举选哪个物品
for 所有的组k for j=W..0 for 所有的i属于组k f[j]=max(f[j],f[j-w[i]]+v[i])
标签：件物品,int,问题,装入,背包,物品,dp 来源： https://www.cnblogs.com/burnling/p/15877355.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。