一个简易代码模板，解决三大经典背包问题(01/完全/多重)

LnJJF

已于 2022-03-08 21:55:58 修改

阅读量378

点赞数 2

分类专栏： ACM-杭电LCY算法网课“个人理解式”总结文章标签：动态规划算法 c++

于 2022-03-08 19:41:38 首次发布

本文链接：https://blog.csdn.net/LnJJF/article/details/123360833

版权

ACM-杭电LCY算法网课“个人理解式”总结专栏收录该内容

8 篇文章 13 订阅

订阅专栏

文章目录

一个简易代码模板，解决三大经典背包问题(01/完全/多重)

一个简易代码模板，解决三大经典背包问题(01/完全/多重)

前言：本篇文章的重点在于自创代码模板的建立与应用，在背包原理的部分可能讲的会偏少偏跳跃，大家可以重点吸收“代码模板部分”的知识，以及代码模板在后半文实战中的应用方法。

对于背包原理中的知识若有不清楚之处，可以去搜集其它博主的优质背包博文~
（本文主要思路为本人原创，如有错误，欢迎友友指正~）

相关知识

背包的基本模型❔

我们有一个容量为V的背包和若干种物品，在一定的限制条件下（每种物品都占用一定容量），问最多能放进多少价值的物品？

背包问题的分类🎒

01背包、完全背包、多重背包、二维费用背包、混合三种背包、分组背包和有依赖背包。
(PS：最常见也是最基础的背包问题类型就是前三种背包)

01背包

题目问法🌌

有N件物品和一个容量为V的背包。第i件物品的价值为w[i],体积为v[i]。
求解：背包的可装纳的最大价值是多少？

问题特点

每种物品仅有一件，可以选择放或不放。

问题解法

假设有N件物品，背包容量为V，第i件物品的价值为w[i],体积为v[i]。
只考虑前1个物品：
遍历体积V-v[1]，用dp[j]表示背包体积为j时的背包可装纳的最大价值，dp数组使用前均初始化为0。第一次遍历时，显然最大价值就是该物品价值。
只考虑前2个物品：
遍历体积V-v[2]，更新dp数组，但怎么更新dp数组？
我们可以将dp数组更新时的物品放置情况分为两种：1️⃣dp[j]并不包含第2个物品 2️⃣dp[j]包含第2个物品。

1️⃣: 不包含第2个物品的最大值刚才已经算过，就是老的dp[j]，不必更新。
2️⃣: 包含第2个物品的最大值则是第2个物品的价值w[2]➕当背包容量少掉v[2]时的最大价值dp[j-v[2]]。

综上,我们可以写出此时(只考虑前2个物品)的dp数组更新公式，也就是我们动态规划的“状态转移方程”： dp[j]=max(dp[j],w[2]+dp[j-v[2]);
继续只考虑前3、前4个物品，直到考虑完N个物品，最终的结果就被存储在了dp[N]之中。

完全背包

题目问法🌌

有N种物品和一个容量为V的背包，每种物品可以无限次重复取。第i件物品的价值为w[i],体积为v[i]。
求解：背包的可装纳的最大价值是多少？

问题特点

每种物品有无数件，可以任意选择放不放，放多少个。

问题解法

与刚才01背包解法完全相同，不过将体积的逆序遍历顺序V-v[i]改为正序的体积遍历顺序v[i]-V。

必须装满/求最小值怎么办？

小修改①：如果必须要求背包被装满呢？
之前我们的题境中，并没有限制必须要让背包装满，如果我们再外加一个条件，必须要让背包装满，那么我们该如何改程序呢？只需要根据“相对原则”修改dp数组的初始化即可。
什么是相对原则？
如果我们要求最大值，那么我们就把dp数组除dp[0]为0以外所有的数组元素均初始化为负无穷。
如果我们要求最小值，那么我们就把dp数组除dp[0]为0以外所有的数组元素均初始化为正无穷。
小修改②：如果要求最小价值呢？
直接修改状态转移方程中的max为min即可。

01&完全🎒总结：三个根据

根据背包的名字差异(01背包还是完全背包)，决定背包体积层遍历究竟是顺序还是逆序。
根据背包的限制差异(不装满还是装满)，决定dp数组的初始化究竟是直接为0还是根据相对原则。
根据背包的目的差异(要求最大价值还是最小价值)，决定状态转移方程中的最值函数为min还是max。

核心代码模板——01&完全🎒

//选择符合题意的三个代码选择
//程序变量说明：n-物品总数，V-背包体积 v-各物品体积 w-各物品价值 dp[j]-背包体积为j时的最大背包价值
//模板使用指引：
//①：先确定要不要求装满，做出第一个代码选择（选中一个符合的，删除/注释其它的）；
//②：再根据是01背包还是完全背包（可不可以无限拿同一件物品），做出第二个代码选择；
//③：最后看是求背包的最大价值还是最小价值，做出第三个代码选择。

//第一个代码选择：
		memset(dp,0,sizeof(dp)); //不要求装满
//		dp[0]=0; //备选1：要求装满，并求背包价值的最大值 
//		for(int i=1;i<=V;i++)dp[i]=-1e9; 
//		dp[0]=0; //备选2：要求装满，并求背包价值的最小值 
//		for(int i=1;i<=V;i++)dp[i]=1e9;

		for(int i=1;i<=n;i++)
//第二个代码选择：
			for(int j=V;j>=v[i];j--) //01背包/多重背包 遍历顺序
//			for(int j=v[i];j<=V;j++) //备选：完全背包遍历顺序 

//第三个代码选择：
				dp[j]=max(dp[j],dp[j-v[i]]+w[i]); //求最大价值
//				dp[j]=min(dp[j],dp[j-v[i]]+w[i]); //备选：求最小价值 
		cout<<dp[V]<<endl;

多重背包

题目问法🌌

一种物品的个数可能不止1个，因此不是我们熟悉的01背包，同时它的个数也不是无数个，因此也不是我们熟悉的完全背包，它有固定个数相同的物品。

问题特点

每种物品有固定件数，可以任意选择放不放，放多少个，但是又最大个数限制。

问题解法

可能有的同学会想，重复多少次，就改成重复输入多少次1个背包即可，但是这样的问题是，这样的话时间复杂度是O(重复数)级别的，如果重复数非常多，那么很可能会导致TLE。
那该怎么办，很简单，我们只需要对背包进行二进制分组，然后等效看待成多个不一样的背包即可。
例如，我们有10个体积为2，价值为4的物品。我们可以将它拆分4组：第一组1个，第二组2个，第三组3个，第四组4个。然后我们把每一组等效为一个新物品。如果按以上的方式分组，那么等效的结果就是：
第一组→1个体积为2，价值为4的物品；
第二组→1个体积为4，价值为8的物品；
第三组→1个体积为6，价值为12的物品；
第四组→1个体积为8，价值为15的物品。
这样一来，10个体积为2，价值为4的重复物品，就变成了以上4种具有不同价值与体积的新物品，我们就可以使用01背包来进行熟悉的问题求解了，而此时的时间复杂度为O(log₂重复数)，时间复杂度剧减。
大体思路是这样的，但是具体该如何细分呢？换句话说，细分的规则是什么？
答案是，根据二进制原理，2的幂可以表示一切正整数的特性，我们利用2的幂来分组。
2的幂是1、2、4、8、16、…、2ⁿ。我们的分配思路是，按照二进制数从小到大进行分配，分配到不能分为止，剩下的就单独成为一组。
还是以刚才的10个重复物品为例，我们的分配流程如下所示：

	分配前剩余数	分配数	分配后剩余数数
第一次分配	10	1	9
第二次分配	9	2	7
第三次分配	7	4	3
第四次分配	3	3	3

由上表清晰可见，前三次分配都是分配一个二次幂第四次分配本来要分配8，但是显然分配前剩余数不够再分出那么多了，那么我们就按原则，剩下不能分的，单独成为一组即可，剩下是3，就按3为分配数进行最终分配。

核心代码模板——多重🎒

如下（以有x个重复的物品，它们的物品价值为a，体积为b为例）：

void classify(){ //以下的所有变量均要定义为全局变量
		t=1,cnt=1; //t代表剩余二进制分配数,cnt代表目前是第几次分配
		while (x>=t){
			v[cnt]=a*t,c[cnt++]=b*t;
			x-=t,t<<=1;
		}
		if(x){
			v[cnt]=a*x,c[cnt]=b*x;
		} 
}

下面，我们来测试一下这个核心代码模板的效果，我们随机选取两组数据，测试结果如下（结果令人满意）：
$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-77EudcHA-1646738317440)(C:\Users\49593\AppData\Roaming\Typora\typora-user-images\image-20220307192018878.png)]$
测试代码如下：

#include<bits/stdc++.h>
using namespace std;
int x,a,b,v[500],c[500],t,cnt;
void classify(){
		t=1,cnt=1; 
		while (x>=t){
			v[cnt]=a*t;
			c[cnt++]=b*t;
			x-=t;
			t<<=1;
		}
		if(x){
			v[cnt]=a*x;
			c[cnt]=b*x;
		} 
}
int main(){
	ios::sync_with_stdio(false);
	while(cin>>x>>a>>b){
		cout<<"分类前: "<<endl<<x<<"个价值为"<<a<<" 体积为"<<b<<"的物品"<<endl; 
		memset(v,0,sizeof(v));
		memset(c,0,sizeof(c));
		classify();
		cout<<"分类后: " <<endl;
		for(int i=1;i<=cnt;i++)cout<<"1个价值为"<<v[i]<<" 体积为"<<c[i]<<"的物品"<<endl;
	}	
	return 0;
}

如何应用以上的分配代码？

多重背包问题，一般在输入时，都是输入“该类型物品数量该类型物品体积该类型物品价值”，如下所示：

for(int i=1;i<=n;i++) //假设有n种背包
cin>>bag_num>>vv>>ww; //依次输入第i种物品的数量，体积和价值

我们引入cnt来统计“等效分配”（刚才所说的多重背包的内容）后的等效物品数量（而不是n），一开始，我们令cnt的值为1，最后令01&完全背包中的物品数n=cnt-1，方便后续01背包模板的套用：

	int cnt=1;
	for(int i=1;i<=n;i++){ 
		cin>>item_num>>vv>>ww;
			int t=1; 
			while(item_num>=t){
				v[cnt]=vv*t,w[cnt++]=ww*t;
				item_num-=t,t<<=1;
			}
			if(item_num){
				v[cnt]=vv*item_num,w[cnt++]=ww*item_num;
			}
	}
	n=cnt-1; //最后将分配前的物品总数改为分配后的物品总数，方便后续01背包模板的套用

💥王炸: 三背包の万能代码模板

最终，我们将三种背包混搭在一起，就有了基础三背包の万能代码模板，以下代码注释非常详细，如果还是不能理解可以看作者本人是如何用此模板秒杀背包题的。

//--------------------------01背包&完全背包&多重背包の万能模板--------------------------//

//多重背包分配代码，如果是多重背包，则取消下列代码的注释，根据不同题目，输入格式可能要稍微改动 
//程序变量说明：n-分配前物品数 最后的cnt-分配后物品数 item_num-当前物品的重复数量 vv-当前物品的体积 ww-当前物品的价值 t-当前二进制分配数 v[cnt]第cnt个物品的体积 w[cnt]第cnt个物品的价值  
//	int cnt=1;
//	for(int i=1;i<=n;i++){ 
//		cin>>item_num>>vv>>ww;
//			int t=1; 
//			while(item_num>=t){
//				v[cnt]=vv*t,w[cnt++]=ww*t;
//				item_num-=t,t<<=1;
//			}
//			if(item_num){
//				v[cnt]=vv*item_num,w[cnt++]=ww*item_num;
//			}
//	}
//	n=cnt-1; //最后将分配前的物品总数改为分配后的物品总数，方便后续01背包模板的套用 

//选择符合题意的三个代码选择
//程序变量说明：n-物品总数，V-背包体积 v-各物品体积 w-各物品价值 dp[j]-背包体积为j时的最大背包价值
//模板使用指引：
//①：先确定要不要求装满，做出第一个代码选择（选中一个符合的，删除/注释其它的）；
//②：再根据是01背包还是完全背包（可不可以无限拿同一件物品），做出第二个代码选择；
//③：最后看是求背包的最大价值还是最小价值，做出第三个代码选择。

//第一个代码选择：
		memset(dp,0,sizeof(dp)); //不要求装满
//		dp[0]=0; //备选1：要求装满，并求背包价值的最大值 
//		for(int i=1;i<=V;i++)dp[i]=-1e9; 
//		dp[0]=0; //备选2：要求装满，并求背包价值的最小值 
//		for(int i=1;i<=V;i++)dp[i]=1e9;

		for(int i=1;i<=n;i++)
//第二个代码选择：
			for(int j=V;j>=v[i];j--) //01背包/多重背包 遍历顺序
//			for(int j=v[i];j<=V;j++) //备选：完全背包遍历顺序 

//第三个代码选择：
				dp[j]=max(dp[j],dp[j-v[i]]+w[i]); //求最大价值
//				dp[j]=min(dp[j],dp[j-v[i]]+w[i]); //备选：求最小价值 
		cout<<dp[V]<<endl;

相关题目

基础背包问题，本质上就是三个维度选择的随机组合。

第一：是什么类型的背包？是01背包、完全背包，还是多重背包？是哪种背包，就选用哪种背包的模板。

第二：要不要求我们装满背包？根据这个要求装满与否，就选用模板中相应的dp数组的初始化方式。

第三：究竟是求最大值还是最小值？灵活修改最值函数。

将以上三个维度定位准确之后，我们只需要选择相应的代码，做细微的调整，题目就解决了。对于以下5道题，若熟练掌握模板，10分钟一定可以搞定全题，说明这个代码普适性较强，效率也较高。

1、骨头收藏家

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3c4poqyI-1646738317441)(C:\Users\49593\AppData\Roaming\Typora\typora-user-images\image-20220308190410123.png)]$