01背包问题和完全背包问题

最新推荐文章于 2023-06-06 15:51:54 发布

KangRoger

最新推荐文章于 2023-06-06 15:51:54 发布

阅读量2.8k

点赞数 2

分类专栏：面试笔试题目文章标签：背包问题 01背包完全背吧

本文链接：https://blog.csdn.net/KangRoger/article/details/43601569

版权

面试笔试题目专栏收录该内容

32 篇文章 0 订阅

订阅专栏

- 01背包问题
- 完全背包问题

01背包问题

时间限制:20000ms
单点时限:1000ms
内存限制:256MB

描述

且说上一周的故事里，小Hi和小Ho费劲心思终于拿到了茫茫多的奖券！而现在，终于到了小Ho领取奖励的时刻了！

小Ho现在手上有M张奖券，而奖品区有N件奖品，分别标号为1到N，其中第i件奖品需要need(i)张奖券进行兑换，同时也只能兑换一次，为了使得辛苦得到的奖券不白白浪费，小Ho给每件奖品都评了分，其中第i件奖品的评分值为value(i),表示他对这件奖品的喜好值。现在他想知道，凭借他手上的这些奖券，可以换到哪些奖品，使得这些奖品的喜好值之和能够最大。

每个测试点（输入文件）有且仅有一组测试数据。

每组测试数据的第一行为两个正整数N和M,表示奖品的个数，以及小Ho手中的奖券数。

接下来的n行描述每一行描述一个奖品，其中第i行为两个整数need(i)和value(i)，意义如前文所述。

测试数据保证

对于100%的数据，N的值不超过500，M的值不超过10^5

对于100%的数据，need(i)不超过2*10^5, value(i)不超过10^3
输出

对于每组测试数据，输出一个整数Ans，表示小Ho可以获得的总喜好值。
样例输入

样例输出

这个问题是典型的动态规划问题，要考虑两个性质：重复子问题和无后效性。
首先来找子问题，用best(x)表示手里有x张奖券时能够获得最高喜好的和，那么我们要求的就是best(M)，这里有点像最少硬币找零问题-动态规划,但是这样无法分解成同一个子问题；因为在求解bset(x)还是会面临N个奖品，选择或不选择，还是有 $2^N$ 中选法。
做点改动，用best(i,x)表示前i中奖品是否选择，所需奖券不超过x时的最优解决方案，那么最终求解的便是best(N,M)。
要求解best(N,M),先求解best(N-1,M)。假设此时best(N-1,M)已知，那么求best(N,M)时，只需要考虑第N个奖品要不要取了，如果取，则best(N,M)=best(N-1,M-need(N))+value(N);如果不取，那么best(N,M)=best(N-1,M)。这样便找到了递推公式

best(i,j)=max{best(i-1,j),best(i-1,j-need(i)+value(i)}，i>1

在计算时，只需要按照i从小到大计算即可。

for j=0……M
    best(0,j)=0;
for i=1……N
    for j=0……M
        if(j<need(i))//j值不够
            best(i,j)=best(i-1,j);
        else
            best(i,j)=max{best(i-1,j),best(i-1,j-need(i)+value(i)}

编写代码测试：

#include<iostream>
const int maxN = 501;
const unsigned int maxM = 100001;
long int best[maxN][maxM];
inline long int max(long int a, long int b)
{
    return a > b ? a : b;
}
int main()
{
    int N;
    unsigned int M;
    std::cin >> N >> M;
    long int* need = new long int[N + 1];
    int* value = new int[M + 1];
    need[0] = 0;
    value[0] = 0;
    for (int i = 1; i <= N; ++i)
        std::cin >> need[i] >> value[i];
    for (int j = 0; j <= M; ++j)
        best[0][j] = 0;

    for (int i = 1; i <= N; ++i)
    {
        for (int j = 0; j <= M; ++j)
        {
            if (j < need[i])//j值不够大
                best[i][j] = best[i - 1][j];
            else
                best[i][j] = max(best[i - 1][j - need[i]] + value[i], best[i - 1][j]);
        }
    }
    delete[] need;
    delete[] value;
    std::cout << best[N ][M] << std::endl;

}

在计算best[i][j]时用到的是best[i-1][0……j]，这样算来，其实best数组只需要两行即可，这两行可以交替使用。
在计算状态best(iA,jA)时，依赖状态best(iA-1,0……JA)，状态best(iA-1,jA+1……M)不起作用。那么在计算第二个循环时，是for(int j=0;j<=M;++j)，如果把j倒过来计算，即for(int j=M;j>=1;--j)；这样可以只开辟一维数组best(M)即可。

for j=0……M
    best(j)=0;
for i=1……N
    for j=M……1
        if j>=need(i)
            do best(j)=max(best(j),best(j-need(i))+value(i)

编写代码测试：

#include<iostream>
inline long int max(long int a, long int b)
{
    return a > b ? a : b;
}
int main()
{
    int N;
    unsigned int M;
    std::cin >> N >> M;
    long int* need = new long int[N + 1];
    int* value = new int[M + 1];
    need[0] = 0;
    value[0] = 0;
    for (int i = 1; i <= N; ++i)
        std::cin >> need[i] >> value[i];
    long int* best = new long int[M + 1];
    for (int j = 0; j <= M; ++j)
        best[j] = 0;
    for (int i = 1; i <= N; ++i)
    {
        for (int j = M; j >= 1; --j)
        {
            if (j >= need[i])
                best[j] = max(best[j], best[j - need[i]] + value[i]);
            else
                best[j] = best[j];
        }
    }
    std::cout << best[M] << std::endl;
    delete[] best;
    return 0;
}

完全背包问题

题目1 : 完全背包
时间限制:20000ms
单点时限:1000ms
内存限制:256MB

描述

且说之前的故事里，小Hi和小Ho费劲心思终于拿到了茫茫多的奖券！而现在，终于到了小Ho领取奖励的时刻了！

等等，这段故事为何似曾相识？这就要从平行宇宙理论说起了………总而言之，在另一个宇宙中，小Ho面临的问题发生了细微的变化！

小Ho现在手上有M张奖券，而奖品区有N种奖品，分别标号为1到N，其中第i种奖品需要need(i)张奖券进行兑换，并且可以兑换无数次，为了使得辛苦得到的奖券不白白浪费，小Ho给每件奖品都评了分，其中第i件奖品的评分值为value(i),表示他对这件奖品的喜好值。现在他想知道，凭借他手上的这些奖券，可以换到哪些奖品，使得这些奖品的喜好值之和能够最大。

输入

每个测试点（输入文件）有且仅有一组测试数据。

每组测试数据的第一行为两个正整数N和M,表示奖品的种数，以及小Ho手中的奖券数。

接下来的n行描述每一行描述一种奖品，其中第i行为两个整数need(i)和value(i)，意义如前文所述。

测试数据保证

对于100%的数据，N的值不超过500，M的值不超过10^5

对于100%的数据，need(i)不超过2*10^5, value(i)不超过10^3
输出

对于每组测试数据，输出一个整数Ans，表示小Ho可以获得的总喜好值。
样例输入

样例输出

这个问题和01背包不同的就是，每个奖品可以选择多件。在01背包问题中，每个奖品要么选择1件，要么不选择，所以叫做01背包问题。和之前的分析一些样，可以设一个best(i,x)，表示前i个奖品做出选择之后（可以使选择多件），总奖券不超过x时，价值最大的值。
那么：

b e s t (i, x) = m a x {b e s t (i - 1, x - n e e d (i) * k) + k * v a l u e (i)}, w h e r e 0 \leq k \leq x / n e e d (i)

$best(i,x)=max \{ best(i-1,x-need(i)*k)+k*value(i)\},where 0 \leq k \leq x/need(i)$
伪代码如下：

for i=1……N
    for x=0……M
        for k=0……x/need(i)
            best(i,x)=max{best(i,x),best(i-1,x-need(i)*k)+value(i)*k

这样看来貌似没什么问题，时间复杂度也可以接受。但是貌似有点奇怪。
这是因为上面的递归公式有冗余计算，例如下面两个式子

b e s t (i, x) = m a x {b e s t (i - 1, x - n e e d (i) * k) + v a l u e (i) * k}, w h e r e 0 \leq k \leq x / n e e d (i)

$best(i,x)=max\{best(i-1,x-need(i)*k)+value(i)*k\},where 0\leq k\leq x/need(i)$

b e s t (i, x - n e e d (i)) = m a x {b e s t (i - 1, x - n e e d (i) * k) + v a l u e (i) * k}, w h e r e 1 \leq k \leq x / n e e d (i)

$best(i,x-need(i))=max\{best(i-1,x-need(i)*k)+value(i)*k\},where 1\leq k\leq x/need(i)$
在计算上面第一个式子时，又把第二个式子中大部分重新计算了一边。
那么递归式子其实应该是这样

b e s t (i, x) = m a x {b e s t (i, x - n e e d (i)) + v a l u e (i), b e s t (i - 1, x)}

$best(i,x)=max\{best(i,x-need(i))+value(i),best(i-1,x)\}$
伪码如下：

for i=1……N
    for x=0……M
        if(need(i)>x)
            best(i,x)=best(i-1,x)
        else
            best(i,x)=max{best(i-1,x),best(i,x-need(i))+value(i)}

最后考虑内存优化，在计算01背包问题时，j（即x)是从M到0，因为01背包问题的子问题是（i-1)种物品的基础上来解决当前问题（i种物品）。而完全背包问题的子问题是向i种物品的背包中添加第i中物品。
测试代码如下：

#include<iostream>
inline long int max(long int a, long int b)
{
    return a > b ? a : b;
}
int main()
{
    int N;
    unsigned int M;
    std::cin >> N >> M;
    long int* need = new long int[N + 1];
    int* value = new int[M + 1];
    need[0] = 0;
    value[0] = 0;
    for (int i = 1; i <= N; ++i)
        std::cin >> need[i] >> value[i];
    long int* best = new long int[M + 1];
    for (int j = 0; j <= M; ++j)
        best[j] = 0;
    for (int i = 1; i <= N; ++i)
    {
        for (int j = 1; j <= M; ++j)
        {
            if (j >= need[i])
                best[j] = max(best[j], best[j - need[i]] + value[i]);
            else
                best[j] = best[j];
        }
    }
    std::cout << best[M] << std::endl;
    delete[] best;
    delete[] need;
    delete[] value;
    return 0;
}