背包问题（动态规划）

0-1背包

1. 普通0-1背包
   贪心不合适
   不能优先放价值大的，比如：
   9 10， 5 6， 5,5 很明显6+5>10
   也不能优先放性价比高的，比如：
   9 18， 5, 9.5, 5,9.5 最大的性价比是2，但是放进去价值18<9.5+9.5=19

2. 分析
   比如最后一个物品是4 6，也就是重量是4，价值是6，那么最优解一定来自：前四个物品在容量为6的情况下最大值加上第五个物品的价值6，或者前四个物品在容量为10的情况下的价值，也就是 不要第五个物品，显然两者取个最大值。

3. 例题

T, M = [int(x) for x in input().split()]
# T 是采样时间，相当于背包容量
# M 是多少行数据
value = [0]
time = [0]
for _ in range(M):
    line = [int(x) for x in input().split()]
    time.append(line[0])
    value.append(line[1])

dp = [[0] * (T+1) for _ in range(M+1)]
# 初始化左边一列和上边一行为0，也就是背包容量为0时价值为0，
# 背包物品数目为0时，价值为0

for i in range(1, M+1):
    for j in range(1, T+1):
        if j >= time[i]:
            dp[i][j] = max(dp[i-1][j],dp[i-1][j-time[i]] + value[i])
        else:
            dp[i][j] = dp[i-1][j] # 这里一定要加上，否则就是0

print(dp[M][T])

0-1背包一维写法

1. 分析

因为dp[i][j]只跟二维表格的前面两个数字有关系，只跟上一行有关系，说以浪费了很多空间，一定要倒着写

dp = [0] * (T+1)
for i in range(1, M+1):
    for j in range(T, time[i]-1, -1):
        dp[j] = max(dp[j],dp[j-time[i]]+value[i])
            
print(dp[T])

0-1背包恰好装满

完全背包

1. 分析——转成0-1背包

2. 选第i个物品，选多少个
3.

3. 例题


超时了

T, M = sys.stdin.split()
# T, M = [int(x) for x in input().split()]
# T 是采样时间，相当于背包容量
# M 是多少行数据
value = [0]
time = [0]
for _ in range(M):
    line = [int(x) for x in input().split()]
    time.append(line[0])
    value.append(line[1])

dp = [0] * (T+1)

for i in range(M+1):
    for j in range(time[i],T+1):
        dp[j] = max(dp[j],dp[j-time[i]]+value[i])
        
print(dp[T])

多重背包

1. 分析

转化为0-1背包问题。把第i种物品换成n[i]件0-1背包中的物品，将第i中物品分成若干件物品，其中每件物品都有一个系数，这件物品的费用和价值均是原来的费用和价值乘以这个系数。使这些系数分别为1,2，4，…2^(k-1),n[i]-2k+1,且是满足n[i]-2^k+1< 2 ^(k+1)，例如13，就是1, 2，4, 6四件物品。

2. 例题
   
   

# 二进制分解
def binaryDecomposition(n):
    k = 0
    res = []
    while n > 2**k:
        res.append(2**k)
        n = n - 2 **k
        k = k + 1
    res.append(n)
    return res


def trans(weight, value, nums):
    new_weight = []
    new_value = []
    for i in range(len(nums)):
        for j in binaryDecomposition(nums[i]):
            new_weight.append(j * weight[i])
            new_value.append(j * value[i])
    n = len(new_value)
    return n, new_weight, new_value



while True:
    M, T = [int(x) for x in input().split()]
    if M == 0 and T == 0:
        break
    line = [int(x) for x in input().split()]
    time = line[:M]
    value = line[:M]
    nums = line[M:]

    new_M, new_time, new_value = trans(time, value, nums)

    res = set()
    dp = [0] * (T+1)
    for i in range(1, new_M+1):
        for j in range(T, new_time[i-1]-1, -1):
            dp[j] = max(dp[j], dp[j-new_time[i-1]] + new_value[i-1])
            res.add(dp[j])

    print(len(res))