背包问题

背包问题

经典的0-1背包问题

0-1背包是在M件物品取出若干件放在空间为W的背包里，每件物品的体积为Wi，与之相对应的价值为Pi。每种物品有且只有一个，并且有权值和体积两个属性。求在装得下的情况下，最大的价值可以是多少。

结构

该类题目的储存结构为
1.一个结构体数组
每个结构体变量内含有改变量的两个属性值：体积和价值【用两个数组代替也可以，个人偏好】
2.一个二维数组f[i][j]
i代表前i个物品的情况，j代表当前状态总空间，该数组值表示在这种情况下的最大价值。
例如，f[5][8]的含义是，在考虑前5个物品的情况下且背包空间为8时，价值的最大值。

递推和状态转移方程

而f[5][8]的值是怎么求得的？f[5][8]的值有两个可能来源。
一是第5个物品不放入的情况，那么就是前4个物品在空间为8的情况下的最大价值。即f[5][8]=f[4][8]
二是第5个物品放入的情况。那么f[5][8]的价值就是第5个物品的价值加上前4个物品在8-vol[5]的空间下取得的最大价值。即f[5][8]=f[4][8-vol[5]]+val[5];
f[4][8]和f[4][8-vol[5]]+val[5]中的最大值就是f[5][8]的值。
那么就可以得到状态转移公式

例题和程序

题目

辰辰是个天资聪颖的孩子，他的梦想是成为世界上最伟大的医师。为此，他想拜附近最有威望的医师为师。医师为了判断他的资质，给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说：“孩子，这个山洞里有一些不同的草药，采每一株都需要一些时间，每一株也有它自身的价值。我会给你一段时间，在这段时间里，你可以采到一些草药。如果你是一个聪明的孩子，你应该可以让采到的草药的总价值最大。”
如果你是辰辰，你能完成这个任务吗？

输入

输入的第一行有两个整数T（1 <= T <= 1000）和M（1 <= M <= 100），用一个空格隔开，T代表总共能够用来采药的时间，M代表山洞里的草药的数目。接下来的M行每行包括两个在1到100之间（包括1和100）的整数，分别表示采摘某株草药的时间（1 <= t <= T）和这株草药的价值（1 <= v <= 100000）。

输出

输出包括一行，这一行只包含一个整数，表示在规定的时间内，可以采到的草药的最大总价值。

样例输入

100 5
77 92
22 22
29 87
50 46
99 90

样例输出

133

程序

#include<iostream>
#include<cstring>
#include<cmath>
using namespace std;
struct pr{
    int t;
    int val;
}dat[100];
int ans[100][100];
int main(){
    int T,M;
    cin>>T>>M;
    for(int i=0;i<M;i++)
        cin>>dat[i].t>>dat[i].val;
    memset(ans,0,sizeof(ans));

    for(int i=1;i<M;i++){
        for(int j=0;j<T;j++){
            if(j>=dat[i].t)
                ans[i][j]=max(ans[i-1][j-dat[i].t],ans[i-1][j]+dat[i].val);
            else
                ans[i][j]=ans[i-1][j];
        }
    }
    cout<<ans[M-1][T-1];
    return 0;
}

空间复杂度优化

可以只用一维数组f[v]存储，这就要求每个i从后往前更新v,即从f[i][v]更新到f[i][0]，这样就保证更新f[i][v]的时候能够正确获取f[i][v]和f[i][v-vol[i]]的值。

满背包问题

在这种条件下，背包必须装满
此时，就将f[0][j]初始化为0，而f[1-n][j]全部初始化为-inf，则在f[i][0-n]中最大的那个就是所求最大值。这种情况下，没装满就是负数。

条件背包问题

有N件物品; 第i件物品Wi公斤; 第i件物品价值Ci元; 第i件物品可能带0~2个附件；若装载附件，必须装载主件，反之没有约束。
假设只有主件的情况 ，显然与经典背包问题完全相同！
现在每个物品有附件，我们可以分成4种方案
仅装载主件
装载主件+第1个附件
装载主件+第2个附件
装载主件+2个附件
由于上述4种并列，这是几种不同的决策同时规划即可

多重背包问题

有N件物品; 第i件物品Wi公斤; 第i件物品价值Ci元; 现有一辆载重M公斤的卡车; 第i件物品限制最多只能取Xi个；问选取装载哪些物品，使得卡车运送的总价值最大？
类似01背包问题，将第i种物品拆分成x[i]个即x[i]变为w[1-x[i]]，这样每个物品只有1件了,如下图:

然后对所有的物品采用动态规划即可。
F[i][j]=max{ f[i-1][j-k*w[i]] + k*c[i] }
0<=k*w[i]<=j

完全背包问题

有N件物品; 第i件物品Wi公斤; 第i件物品价值Ci元; 现有一辆载重M公斤的卡车; 每次可以选取某种物品的任意多件装载；问选取装载哪些物品，使得卡车运送的总价值最大？
类似于经典01背包问题，只不是状态转移方程略有区别
f[i][v] = max(f[i - 1][v],f[i - K * weight[i]] + K * Value[i]); 其中 1 <= K * weight[i] <= v,(v指此时背包容量)
相应代码片段变为

for(int i=1;i<=N;i++)  
{  
   for(int v=1;v<=V;v++)  
   {  
       f[i][v]=0;  
       int nCount=v/weight[i];  
       for(int k=0;k<=nCount;k++)  
       {  
           f[i][v]=max(f[i][v],f[i-1][v-k*weight[i]]+k*Value[i]);  
       }  
   }  
} 

完全背包优化

若两件物品i、j满足c[i]<=c[j]且w[i]>=w[j],则将物品i去掉,不用考虑。这个优化的正确性显然：任何情况下都可将价值小费用高的j换成物美价廉的i,得到至少不会更差的方案。

完全背包再优化

由于每种物品有选和不选两种情况，可以将每种物品的2k个当成一个整体考虑。这样对于某种物品要选取多个，都可以由若干个2k个物品进行组合 (即2进制数)。例如第i种物品要选10个，则10=23+21 。
这样第i种物品的个数为k=㏒2 (m/wi)物品,是一个很大的改进。
进一步,在计算k时, k =㏒2 (j/wi),j为当前背包剩余空间。